Python 生态里能用的因果库有很多选哪个往往要看你对模型的理解程度,以及项目对“可解释性”的要求。这篇文章将对比了六个目前社区中最常用的因果推断库:Bnlearn、Pgmpy、CausalNex、DoWhy、PyAgrum 和 CausalImpact
在因果推断里所有变量可以粗略分成两种:驱动变量(driver variables)和乘客变量(passenger variables)。驱动变量会直接影响结果,而乘客变量虽然跟结果有关但并不直接影响结果。区分这两者是整个因果分析的关键。比如在预测性维护或设备故障分析里,如果能识别出“导致故障”的那几个变量,后续的监控与优化策略就能有针对性地落地。
有时候,看似无关的变量其实藏着重要的效应。比如说假设某个工厂的发动机故障率在不同地区差异很大,你可能认为这是地理差异,其实真正的原因可能是工厂里湿度、保养周期或人员经验这样的隐含驱动因子。因果推断的价值就在这里——它帮助区分“看上去相关”和“真正原因”的区别。
相比纯预测模型,因果推断更像是在回答“为什么”,而不是“多少”。通过找出系统中真正起作用的变量,才能解释模型的行为,也才能对系统做出有效干预。
为了让对比更直观,所有实验都使用相同的数据:Census Income 数据集。这个经典的数据集包含48,842 条记录和14 个变量,多数为离散特征。目标也很简单:拥有研究生(postgraduate)学历是否能显著提高年收入超过 50K 美元的概率?
下面的代码用于载入和清理数据。连续变量与敏感特征(如性别、种族等)被移除,以便专注在离散特征的因果结构学习上。
bnlearn是一个封装度很高的贝叶斯网络库,几乎把因果分析的标准流程都集成在一套 API 里。它支持离散、连续和混合类型数据,可以进行 结构学习、参数学习(CPD 估计)、推理(inference)和合成数据生成(synthetic data generation)。更重要的是,它把常用的独立性检验、评分函数、拓扑排序、模型比较和可视化都做成了开箱即用的函数。
静态图展示了bnlearn学出的Census Income因果结构图。交互式版本可以直接查看每条边的条件概率分布。
DAG 学成之后,可以直接执行推理。例如计算当教育水平为博士时,收入大于 50K 的后验概率:
从整体来看,bnlearn适合快速构建因果结构并做概率推理,功能完整。输入数据可为离散、连续或混合类型。对于想在业务场景中快速验证因果假设的人,这个库的学习曲线非常平缓。
Pgmpy是一个更偏底层的概率图模型库,如果说bnlearn是“开箱即用”那pgmpy更像是一套“拼装工具箱”。它的灵活性非常高,但也意味着需要较强的贝叶斯建模功底。
这两个库的功能其实有重叠,因为bnlearn的底层实现部分依赖pgmpy。但在pgmpy中,所有步骤都要自己搭建:数据处理、建模、参数估计、推理、可视化都要自己写。
不同的是,这个过程需要你自己定义 DAG、参数估计和推理方式。这个库灵活性很高,但显然更适合研究者或开发自定义因果框架的场景,而不是想“直接上手跑”的业务人员。
CausalNex是一个专注于从数据中学习因果图并量化因果效应的 Python 库。它只支持离散分布,这点很重要。所以在建模前必须把所有连续变量或高基数特征离散化,否则模型无法拟合。
文档里也明确提到,如果特征太多、状态太复杂,模型效果会明显下降。不过好处是,它提供了一些便捷函数来帮助降低类别数量和处理标签编码。
下面是一个完整的示例,仍然使用同样的 Census Income 数据。第一步需要把所有类别变量转为数值型(因为 NOTEARS 算法要求矩阵计算):
结构学习部分用的是 NOTEARS 算法,可以自动从相关矩阵中推导 DAG。不过输出可能太密集,需要设定阈值过滤掉弱边:
上图是CausalNex学出的结构图。没有标签的节点表示因为阈值太高被剪掉的弱边。也可以通过调整参数w_threshold控制网络稀疏度,或者用tabu_edges禁止某些边生成。
CausalNex的可解释性和结构学习能力都不错,但预处理要求多、类型限制严格,对 Python 版本也挑剔(仅兼容 3.6–3.10)。如果只想跑标准数据,它表现稳定,但要集成到更复杂的生产环境,需要额外工作。
DoWhy是一个专注于因果推断验证的库,设计理念与前面提到的贝叶斯网络工具完全不同。它并不尝试从数据中直接学习因果图,而是要求用户显式定义因果假设,包括:
也就是说DoWhy更像是一个验证框架用来系统地质疑和检验你提出的因果假设,而不是生成因果结构。
如果没有提供 DAG(因果图),它会自动把所有变量连接到结果与处理变量上。但实际使用中最好结合领域知识自行定义 DAG,否则模型会过度简化。
使用同样的 Census Income 数据集,只是处理变量定义为“是否拥有博士学位”:
上图展示了DoWhy自动生成的 DAG,结果变量为“salary”,处理变量为“education”。可以看到,模型假设教育水平会影响薪资,并且两者都可能受婚姻状态、工作类型等混杂因素的干扰。
输出的平均效应值约为0.47,说明博士学位与高收入存在明显的正向因果关系。最后再做稳健性检验:
DoWhy在学术界非常常见,优点是框架清晰、假设透明、验证逻辑完备; 缺点是对输入要求高(变量需二值化、分类需数值编码),且不能从数据自动学习结构。
换句话说,它假设你已经知道潜在的因果关系,现在只想验证这个假设是否合理。
PyAgrum是另一个功能相对完整的概率图模型库。它支持贝叶斯网络、马尔可夫网络以及决策图的构建,能做结构学习、参数学习、推理和可视化。并且语法偏工程化,比pgmpy直观一些,但要求所有变量都必须是离散型。
如果数据里有缺失值或连续变量需要进行处理,否则算法会直接报错。下面的例子展示了从数据清洗到结构学习的完整流程:
上图展示了PyAgrum学到的贝叶斯网络结构。节点之间的箭头表示潜在的因果方向。
它提供了一系列辅助模块,可以比较不同结构(bn_vs_bn)、解释单个节点(explain)或生成报告。
PyAgrum的特点是:学习过程透明、支持约束学习(可指定禁止/强制边),但代价是输入准备相对繁琐。没有自动缺失值处理、连续特征必须离散化,而且某些函数依赖 Graphviz 进行可视化。
CausalImpact原本是 Google 的开源项目,用于通过贝叶斯结构时间序列模型来衡量干预效果。 它与前面几个库不同,不学习因果图而是针对时间序列数据计算干预带来的量化影响。
k8凯发集团
常见场景是评估营销活动、价格调整或新功能上线的效果。比如,一个电商网站想知道广告活动是否带来了实际销售提升。CausalImpact会先用干预前的数据建立基线模型,再将干预后的实际观测值与预测值比较,计算“反事实差异”。
下面是一个简洁的示例,构造 100 个样本点,并在第 71 个时间点之后人为引入干预效应:
图中上半部分显示实际值与模型预测值的对比;中间部分是两者的差值(即时效应);下半部分是累计效应。
结果显示,干预带来了显著提升,概率为 100%,P 值为 0。这种方法假设干预前后协变量与响应变量的关系稳定,且协变量本身不受干预影响。若满足这些假设,CausalImpact在定量评估干预效应方面非常可靠。
结构学习型:Bnlearn、Pgmpy、CausalNex、PyAgrum用于发现变量间的潜在因果关系,适合探索性分析与结构建模。
因果效应型:DoWhy、CausalImpact侧重在给定结构或时间序列下量化干预效果,适合政策分析或实验验证。
从工程角度看:Bnlearn的易用性最高,接口友好、兼容性强,是入门和快速验证的好工具;Pgmpy灵活性最强,适合深度研究与自定义算法;CausalNex拥有良好的可解释图形界面,但依赖特定 Python 版本;DoWhy是学术研究常用工具,强调理论严谨性;PyAgrum稳定、透明,但数据准备较重;CausalImpact专注时间序列因果评估。
DoWhy和CausalImpact则更像“量化工具”,用于评估处理或干预带来的实际影响。