如何在Python版Stargazer中筛选显示指定自变量？

Python版Stargazer（非R版）目前没有内置的select_covariates方法，但可以通过以下两种方式实现仅显示部分自变量的需求：

方法一：直接修改Stargazer对象的协变量列表 #

初始化star_out后，手动筛选并保留目标变量，覆盖原有的协变量列表即可：

# 定义需要保留的自变量列表
target_vars = ['var1', 'var8']

# 筛选出目标变量（仅保留存在于原协变量列表中的目标变量）
star_out.covariates = [var for var in star_out.covariates if var in target_vars]

# 生成表格（根据需求选择渲染格式）
star_out.render_html()  # 生成HTML表格
# star_out.render_latex()  # 生成LaTeX表格

注意：部分旧版本的Stargazer可能使用私有属性_covariates，此时将代码中的star_out.covariates替换为star_out._covariates即可。

方法二：预处理模型，仅保留目标变量的结果 #

如果需要更精细的控制，可以先对每个模型提取目标变量的关键统计量，构造简化版模型后再传入Stargazer：

import statsmodels.api as sm

def filter_model(model, keep_vars):
    # 提取目标变量的系数、p值、标准误等核心数据
    filtered_params = model.params.loc[keep_vars]
    filtered_pvalues = model.pvalues.loc[keep_vars]
    filtered_bse = model.bse.loc[keep_vars]
    
    # 基于原模型创建简化版结果对象
    filtered_result = sm.regression.linear_model.RegressionResultsWrapper(model)
    filtered_result.params = filtered_params
    filtered_result.pvalues = filtered_pvalues
    filtered_result.bse = filtered_bse
    
    # 若表格需要显示R²等统计量，需同步调整对应属性（可选）
    # filtered_result.rsquared = model.rsquared
    return filtered_result

# 批量处理所有模型
filtered_models = [filter_model(m, ['var1', 'var8']) for m in models]

# 使用处理后的模型初始化Stargazer
star_out = Stargazer(filtered_models)

内容的提问来源于stack exchange，提问作者Arturo Sbr