要绘制AUC曲线，首先需要计算出模型的预测概率值和真实标签，并使用sklearn中的roc_curve函数来计算出ROC曲线的数据。然后可以使用matplotlib来绘制AUC曲线。
以下是一个示例代码：
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import roc_curve, auc
# 假设预测概率值和真实标签分别存储在DataFrame中的两列
df = pd.DataFrame({
'true_labels': true_labels,
'predicted_probabilities': predicted_probabilities
})
# 计算ROC曲线数据
fpr, tpr, thresholds = roc_curve(df['true_labels'], df['predicted_probabilities'])
roc_auc = auc(fpr, tpr)
# 绘制AUC曲线
plt.figure()
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver Operating Characteristic')
plt.legend(loc="lower right")
plt.show()
以上代码中，true_labels代表真实标签，predicted_probabilities代表模型的预测概率值。通过计算出fpr, tpr和thresholds，然后使用matplotlib绘制AUC曲线。
