如何在Python Pandas中输出包含t-statistic、p-value、r^2等的回归表？

Hey there! 要在Pandas生态里生成包含t统计量、p值、R²这些关键统计指标的回归表，我最推荐用statsmodels库——它是Python里做统计建模的利器，输出的结果表完全覆盖你需要的所有指标，还能轻松和Pandas DataFrame联动。下面一步步给你演示操作：

1. 先搞定环境（如果没装statsmodels） #

如果你还没安装这个库，先在终端里跑这条命令：

pip install statsmodels

2. 导入必要的库 #

import pandas as pd
import statsmodels.api as sm

3. 准备你的数据 #

假设你已经有了Pandas DataFrame格式的数据集，比如下面的示例（你可以替换成自己的数据）：

# 示例数据集
df = pd.DataFrame({
    '目标变量': [12, 25, 30, 42, 51, 63],
    '自变量1': [2, 4, 5, 4, 5, 6],
    '自变量2': [1, 3, 2, 5, 4, 6]
})

# 注意：statsmodels默认不会自动添加截距项，所以要手动加上
X = sm.add_constant(df[['自变量1', '自变量2']])  # 自变量矩阵（含截距）
y = df['目标变量']  # 因变量

4. 拟合回归模型并输出完整结果 #

这里以最常用的普通最小二乘（OLS）回归为例，拟合后直接调用summary()就能得到包含所有你要的统计量的回归表：

# 拟合OLS模型
model = sm.OLS(y, X).fit()

# 打印完整回归结果表
print(model.summary())

结果说明： #

• 中间的系数表里，t列就是t-statistic，P>|t|列是对应的p-value；
• 表格下方的R-squared就是你要的R²，还有调整后R²、F统计量等额外有用的指标。

5. 把结果转成Pandas DataFrame（可选） #

如果想把回归结果保存成DataFrame方便后续分析或导出，用summary2()方法可以更灵活地提取：

# 提取系数详情表（含t、p值）
coef_results = model.summary2().tables[1]
# 提取整体模型统计量（含R²）
model_stats = model.summary2().tables[0]

print("系数统计详情：")
display(coef_results)  # 用display在Jupyter里会更美观
print("\n模型整体统计量：")
display(model_stats)

额外提示 #

如果你需要的是其他类型的回归（比如逻辑回归、线性混合效应模型），statsmodels也有对应的模块（比如sm.Logit、sm.MixedLM），调用fit().summary()后同样会输出包含t/p值、R²（或对应模型的拟合指标）的结果表。

内容的提问来源于stack exchange，提问作者shiff desta