我生成了45个样本，分别包括了正样本的预测概率和对应的实际标签，要求画出PR曲线
预测证样本的概率值如下（45个样本）：
0.4058
0.9907
0.0012
0.1546
0.7845
0.1497
0.9926
0.0162
0.9386
0.4077
0.6000
0.6941
0.0266
0.0001
0.9521
0.9562
0.0543
0.3564
0.0175
0.9814
0.0037
0.0096
0.0046
0.0303
0.9944
0.1322
0.9611
0.9869
0.0597
0.9430
0.0016
0.0348
0.0348
0.4226
0.9749
0.0448
0.0281
0.0003
0.8625
0.1085
0.8628
0.0421
0.3414
0.2086
0.1660
样本实际的标签：
1 1 0 0 1 0 1 0 1 1 0 1 0 0 1 0 0 1 0 1 0 0 0 1 1 1 1 0 0 0 0 0 0 0 1 0 0 0 1 0 1 0 1 0 1
方法不止一种，在这分享一种较为清晰直接的：
可以直接使用plot_precision_recall_curve函数绘制pr曲线
from sklearn.metrics import plot_precision_recall_curve
disp = plot_precision_recall_curve(classifier, X_test, y_test)
disp.ax_.set_title('2-class Precision-Recall curve')
希望对题主有所帮助，可以的话，帮忙点个采纳！