Statsmodels结合Patsy：如何保持输入字符串的参数顺序？

你在用Statsmodels结合Patsy的R风格公式做回归分析时，是不是发现输出的参数顺序和你写的Wealth ~ Age + Income + Happy完全对不上？默认情况下Statsmodels会按变量名的字母顺序排列参数，确实挺影响查看结果的体验的。我给你两个实用的解决办法：

方法一：拟合后手动重新排序参数 #

如果你已经完成了回归拟合，不想改动拟合过程，可以直接从回归结果中提取参数，按照你想要的顺序重新整理：

import statsmodels.formula.api as smf

# 先完成拟合
res = smf.OLS.from_formula("Wealth ~ Age + Income + Happy", data=df).fit()

# 定义你想要的参数顺序（记得包含截距项Intercept）
target_order = ['Intercept', 'Age', 'Income', 'Happy']

# 提取并按顺序输出关键统计量
sorted_params = res.params[target_order]
sorted_pvalues = res.pvalues[target_order]

print("按公式顺序排序的参数结果：")
print(sorted_params)
print("\n对应的p值：")
print(sorted_pvalues)

这种方法适合快速调整已有的回归结果，不用重新拟合。

方法二：手动构建设计矩阵，强制保留变量顺序 #

从根源解决问题，我们可以用Patsy的dmatrices手动生成设计矩阵，这样就能完全保留公式里的变量顺序，再传入Statsmodels的OLS模型：

import patsy
import statsmodels.api as sm

# 手动构建因变量和自变量矩阵，return_type设为dataframe方便查看
y, X = patsy.dmatrices("Wealth ~ Age + Income + Happy", data=df, return_type='dataframe')

# 此时X的列顺序就是公式里的顺序，直接传入OLS拟合
res = sm.OLS(y, X).fit()
print(res.summary())

这样输出的回归摘要里，参数顺序就和你写的公式完全一致了——因为我们跳过了Statsmodels默认的变量排序逻辑，直接用了Patsy生成的、保留原始顺序的设计矩阵。

顺便说一句，默认顺序混乱的原因是Patsy在处理公式时，会自动对变量名进行字母排序来构建设计矩阵，这是它的默认行为，上面的方法刚好绕过了这个设定。

内容的提问来源于stack exchange，提问作者Adrien Pacifico