写一个python代码，读入一个表格，建立多元线性回归模型，并评价模型效果。希望评价效果采用多种方式或者画图显示。

好的，我会给您提供一个示例代码，可以读入一个表格，建立多元线性回归模型，并评价模型效果：

import pandas as pd
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
from sklearn.metrics import r2_score

# 读入数据
data = pd.read_csv('data.csv')
X = data[['x1', 'x2', 'x3']]  # 自变量
y = data['y']  # 因变量

# 建立多元线性回归模型
X = sm.add_constant(X)  # 添加常数项
model = sm.OLS(y, X).fit()  # 拟合模型

# 输出模型概述
print(model.summary())

# 评价模型效果
y_pred = model.predict(X)  # 预测值
r2 = r2_score(y, y_pred)  # R2系数
print('R2系数:', r2)

# 画图显示
plt.scatter(y, y_pred)  # 实际值与预测值的散点图
plt.plot(y, y, 'r')  # 画一条 y=x 的直线
plt.xlabel('实际值')
plt.ylabel('预测值')
plt.show()

在上面的示例代码中，首先我们使用 Pandas 库读入一个表格数据，然后将自变量和因变量分别提取出来。接着，我们使用 Statsmodels 库建立多元线性回归模型，并输出模型概述。之后，我们使用 Scikit-learn 库计算 R2 系数作为模型效果的评价指标，并使用 Matplotlib 库画出实际值与预测值的散点图，以便直观地观察模型效果。

您可以将代码中的数据文件名 'data.csv' 替换成您实际使用的数据文件名，并根据需要对代码进行修改。