本文系统解析了在 Python 中计算决定系数R²的多种方法与适用场景：可用scikit-learn的r2_score与回归器.score快速评估，statsmodels获取R²与调整后R²进行统计诊断，NumPy便于自定义权重与基线；并强调截距与基线一致性、样本权重、交叉验证与防数据泄露的规范，建议结合RMSE/MAE与残差可视化进行稳健解读。在协作与工程化方面，采用管道化预处理、CI阈值守护与版本化记录，并可在研发项目中借助PingCode统一追踪评估资产与里程碑，确保R²结果可复现、可审计、易沟通。