Python因果分析选哪个？六个贝叶斯推断库实测对比（含代码示例）

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。

贝叶斯因果模型

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。

数据集与整体实验思路

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。

 # 安装
pip install datazets

# 导入库
import datazets as dz  
import pandas as pd  
import numpy as np  
import matplotlib.pyplot as plt  

# 导入数据集并删除连续型与敏感特征
df = dz.import_example(data='census_income')

# 数据清洗
drop_cols = ['age', 'fnlwgt', 'education-num', 'capital-gain', 'capital-loss', 'hours-per-week', 'race', 'sex']
df.drop(labels=drop_cols, axis=1, inplace=True)

# 打印样本
 df.head()

1、Bnlearn

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。

下面是使用 HillClimbSearch 和 BIC 评分方法学习结构的完整流程代码

 # 安装
pip install bnlearn

# 加载库
import bnlearn as bn  

# 结构学习
model = bn.structure_learning.fit(df, methodtype='hillclimbsearch', scoretype='bic')  

# 检验边显著性并剪枝
model = bn.independence_test(model, df, test="chi_square", alpha=0.05, prune=True)  

# 参数学习（可选）
model = bn.parameter_learning.fit(model, df)  

# 绘制图形
G = bn.plot(model, interactive=False)  
dotgraph = bn.plot_graphviz(model)
 dotgraph.view(filename=r'c:/temp/bnlearn_plot')

模型学得的 DAG（有向无环图）结构如下：

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：

 # 开始推理
 query = bn.inference.fit(model, variables=['salary'], evidence={'education':'Doctorate'})
 print(query)

结果如下：

 salary <=50K : 29.1%
 salary >50K  : 70.9%

这个概率几乎符合我们的理解：博士学历的确带来更高的收入区间。

换成高中毕业（

HS-grad

）再试一次：

 query = bn.inference.fit(model, variables=['salary'], evidence={'education':'HS-grad'})

得到：

 salary <=50K : 83.8%
 salary >50K  : 16.2%

还可以组合多个条件，例如：

 # 当 education=Doctorate 且 marital-status=Never-married 时，预测 workclass
 query = bn.inference.fit(model, variables=['workclass'], evidence={'education':'Doctorate', 'marital-status':'Never-married'})

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。

2、 Pgmpy

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”。他的灵活性非常高，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。

下面是用

HillClimbSearch

和

BIC

评分方法做结构学习的例子：

 # 安装 pgmpy
pip install pgmpy

# 导入函数
from pgmpy.estimators import HillClimbSearch, BicScore, BayesianEstimator
from pgmpy.models import BayesianNetwork, NaiveBayes
from pgmpy.inference import VariableElimination

# 导入数据并删除连续与敏感特征
df = bn.import_example(data='census_income')
drop_cols = ['age', 'fnlwgt', 'education-num', 'capital-gain', 'capital-loss', 'hours-per-week', 'race', 'sex']
df.drop(labels=drop_cols, axis=1, inplace=True)

# 创建估计器与评分方法
est = HillClimbSearch(df)
scoring_method = BicScore(df)

# 建立模型并打印边
model = est.estimate(scoring_method=scoring_method)
 print(model.edges())

建好结构后需要手动拟合条件概率分布（CPD）：

 vec = {  
    'source': ['education', 'marital-status', 'occupation', 'relationship', 'relationship', 'salary'],  
    'target': ['occupation', 'relationship', 'workclass', 'education', 'salary', 'education'],  
    'weight': [True, True, True, True, True, True]  
}  
vec = pd.DataFrame(vec)

# 创建贝叶斯模型
bayesianmodel = BayesianNetwork(vec)

# 拟合模型
bayesianmodel.fit(df, estimator=BayesianEstimator, prior_type='bdeu', equivalent_sample_size=1000)

# 推理
model_infer = VariableElimination(bayesianmodel)
query = model_infer.query(variables=['salary'], evidence={'education':'Doctorate'})
 print(query)

输出结果与

bnlearn

基本一致：

 salary <=50K : 29.1%
 salary >50K  : 70.9%

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。

3、CausalNex

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）：

 # 安装
pip install causalnex

# 导入库
from causalnex.structure.notears import from_pandas
from causalnex.network import BayesianNetwork
import networkx as nx
import datazets as dz
from sklearn.preprocessing import LabelEncoder
import matplotlib.pyplot as plt
le = LabelEncoder()

# 导入数据并删除连续与敏感特征
df = dz.get(data='census_income')

drop_cols = ['age', 'fnlwgt', 'education-num', 'capital-gain', 'capital-loss', 'hours-per-week', 'race', 'sex']
df.drop(labels=drop_cols, axis=1, inplace=True)

# 转换为数值型
df_num = df.copy()
for col in df_num.columns:
     df_num[col] = le.fit_transform(df_num[col])

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：

 # 结构学习
sm = from_pandas(df_num)

# 阈值剪枝
sm.remove_edges_below_threshold(0.8)

# 绘图
plt.figure(figsize=(15,10))
edge_width = [d['weight']*0.3 for (u,v,d) in sm.edges(data=True)]
 nx.draw_networkx(sm, node_size=400, arrowsize=20, alpha=0.6, edge_color='b', width=edge_width)

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。

建好结构后，需要学习节点的条件概率分布：

 # 第一步：创建 BayesianNetwork 实例
bn = BayesianNetwork(sm)

# 第二步：降低分类特征基数（可选）
# 第三步：定义每个节点的状态字典
# 第四步：拟合节点状态
bn = bn.fit_node_states(df)

# 第五步：拟合条件概率分布
bn = bn.fit_cpds(df, method="BayesianEstimator", bayes_prior="K2")

# 输出某个节点的 CPD
result = bn.cpds["education"]
 print(result)

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。

4、DoWhy

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：

• 结果变量（outcome variable）
• 处理变量（treatment variable）
• 潜在混杂变量（common causes）

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”：

 # 安装  
pip install dowhy

# 导入库  
from dowhy import CausalModel  
import dowhy.datasets  
import datazets as dz  
from sklearn.preprocessing import LabelEncoder  
import numpy as np  
le = LabelEncoder()  

# 导入数据并删除连续和敏感特征  
df = dz.get(data='census_income')  

drop_cols = ['age', 'fnlwgt', 'education-num', 'capital-gain', 'capital-loss', 'hours-per-week', 'race', 'sex']  
df.drop(labels=drop_cols, axis=1, inplace=True)  

# 处理变量必须为二元  
df['education'] = df['education']=='Doctorate'  

# 将数据转换为数值型  
df_num = df.copy()  
for col in df_num.columns:  
    df_num[col] = le.fit_transform(df_num[col])  

# 指定处理变量、结果变量和潜在混杂变量  
treatment = "education"  
outcome = "salary"  

# Step 1: 创建因果图
model = CausalModel(  
        data=df_num,  
        treatment=treatment,  
        outcome=outcome,  
        common_causes=list(df.columns[~np.isin(df.columns, [treatment, outcome])]),  
        graph_builder='ges',  
        alpha=0.05,  
        )  

# 查看模型  
 model.view_model()

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。

接下来是识别和估计因果效应的步骤：

 # Step 2: 识别因果效应  
 identified_estimand = model.identify_effect(proceed_when_unidentifiable=True)
 print(identified_estimand)

一旦模型识别出可估计的因果效应，就可以计算平均处理效应（ATE）：

 # Step 3: 估计效应  
 estimate = model.estimate_effect(identified_estimand, method_name="backdoor.propensity_score_stratification")
 print(estimate)

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：

 # Step 4: 稳健性验证  
 refute_results = model.refute_estimate(identified_estimand, estimate, method_name="random_common_cause")

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。

5、PyAgrum

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：

 # 安装  
pip install pyagrum  

# 可选：安装可视化依赖  
pip install setgraphviz

import datazets as dz  
import pandas as pd  
import pyagrum as gum  
import pyagrum.lib.notebook as gnb  
import pyagrum.lib.explain as explain  
import pyagrum.lib.bn_vs_bn as bnvsbn  

# 导入可视化设置  
from setgraphviz import setgraphviz  
setgraphviz()  

# 导入数据并删除连续与敏感特征  
df = dz.get(data='census_income')  

drop_cols = ['age', 'fnlwgt', 'education-num', 'capital-gain', 'capital-loss', 'hours-per-week', 'race', 'sex']  
df.drop(labels=drop_cols, axis=1, inplace=True)  

# 清理缺失值  
df2 = df.dropna().copy()  
df2 = df2.fillna("missing").replace("?", "missing")  

# 所有列转换为分类类型  
for col in df2.columns:  
    df2[col] = df2[col].astype("category")  

# 创建学习器  
learner = gum.BNLearner(df2)  
learner.useScoreBIC()  
learner.useGreedyHillClimbing()  

# 学习结构  
bn = learner.learnBN()  

# 学习参数  
bn2 = learner.learnParameters(bn.dag())  

# 可视化结果  
 gnb.showBN(bn2)

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。

6、CausalImpact

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。

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：

 # 安装  
pip install causalimpact

# 导入库  
import numpy as np  
import pandas as pd  
from statsmodels.tsa.arima_process import arma_generate_sample  
import matplotlib.pyplot as plt  
from causalimpact import CausalImpact  

# 生成样本  
x1 = arma_generate_sample(ar=[0.999], ma=[0.9], nsample=100) + 100  
y = 1.2 * x1 + np.random.randn(100)  
y[71:] = y[71:] + 10  
data = pd.DataFrame(np.array([y, x1]).T, columns=["y","x1"])  

# 初始化模型  
impact = CausalImpact(data, pre_period=[0,69], post_period=[71,99])  

# 执行推断  
impact.run()  

# 绘图与结果  
impact.plot()  
 impact.summary()

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。

总结

六个库的思路差异很大。从整体来看，可以分成两类：

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。

六个因果库覆盖了从结构学习到因果效应估计的完整路径。

Bnlearn

、

Pgmpy

、

CausalNex

和

PyAgrum

负责构建网络、识别驱动因素；

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。