使用Statsmodels构建OLS模型，如何让Anova结果显示原自变量列名？

你遇到的核心问题是没正确利用statsmodels公式接口的特性——当指定data参数后，公式里可以直接引用数据框的列名，不需要用anovaData["col1"]这种写法，这也是导致系数列名显示异常的原因。

正确的公式构建方式 #

有两种简单方法能实现你想要的效果，让系数列名显示为真实列名：

方法1：手动拼接自变量列名

如果自变量列不多，直接在公式里用+连接所有自变量：

import statsmodels.api as sm
from statsmodels.formula.api import ols

# 直接用列名构建公式，data参数指定数据集
model = ols('col1 ~ col2 + col3 + col4 + col5', data=anovaData).fit()

方法2：通过列表动态生成公式

如果自变量列较多或者已经存在列表里，可以用字符串拼接生成公式：

import statsmodels.api as sm
from statsmodels.formula.api import ols

# 自变量列名列表
indep_vars = ['col2', 'col3', 'col4', 'col5']
# 动态拼接公式字符串
formula = f'col1 ~ {" + ".join(indep_vars)}'
# 拟合模型
model = ols(formula, data=anovaData).fit()

为什么你之前的写法会导致列名异常？ #

你之前的代码ols('anovaData["col1"] ~ anovaData[y]', data=anovaData)相当于直接在公式里传入了一个数组对象，statsmodels无法识别这个数组里每个列的原始名称，只能用anovaData[y][0]这种索引形式标记系数。而当你在公式里直接使用列名时，statsmodels会自动从data参数指定的数据集中提取对应列，并保留列名作为系数的标签，输出就会和你期望的一致。

验证输出 #

拟合完成后运行print(model.summary())，就能得到你想要的系数列名格式：

====================================================================================
coef	std err	t	P>|t|	[0.025	0.975]
------------------------------------------------------------------------------------
Intercept	-0.0177	0.013	-1.319	0.190	-0.044	0.009
col2	0.0003	0.001	0.211	0.833	-0.002	0.003
col3	-0.0007	0.000	-3.829	0.000	-0.001	-0.000
col4	0.0032	0.001	2.853	0.005	0.001	0.005
col5	-0.0008	0.000	-2.162	0.032	-0.002	-7.22e-05

内容的提问来源于stack exchange，提问作者Rrptm