py-why/dowhy

DoWhy – Python 中的端到端因果推斷

是什麼

• 一個 Python 庫，可讓你提出 因果性 問題（「如果我進行干預會怎樣？」「是什麼導致了這個結果？」「異常的根本原因是什麼？」），並獲得統計上可信的答案。
• 結合了兩種主要的因果推斷框架：圖形因果模型（Pearl 的 do-演算）和 潛在結果方法。
• 屬於 PyWhy 生態系統的一部分，專注於因果性工具。

核心功能

功能	可實現的操作
效果估計	識別因果效果，計算平均或條件處理效果，使用工具變數等
因果影響量化	中介分析，直接/間接效果強度，內在影響度量
假設/反事實分析	從干預分佈生成樣本，計算個體的反事實結果
根本原因分析與解釋	將異常歸因於特定變數，解釋分佈變化，排序特徵重要性
反證/驗證	運行穩健性檢查（例如，隨機共同原因、安慰劑測試），以檢驗在替代假設下你的因果主張是否成立

典型工作流程（四步法）

1. 建模 – 提供資料、處理/結果名稱和因果圖（NetworkX、DOT 等）。
2. 識別 – 讓 DoWhy 應用 do-演算推導出估計量（因果效果的數學表達式）。
3. 估計 – 使用統計估計器（傾向得分匹配、線性回歸、EconML 的 DML 等）計算效果。
4. 反證 – 自動運行一個或多個虛假測試以評估穩健性。

快速開始

# 安裝最新穩定版
pip install dowhy          # 或 `conda install -c conda-forge dowhy`

from dowhy import CausalModel
import dowhy.datasets as ds

# 加載合成資料集
data = ds.linear_dataset(beta=10, num_common_causes=5,
                         num_instruments=2, num_samples=10000,
                         treatment_is_binary=True)

model = CausalModel(data=data["df"],
                    treatment=data["treatment_name"],
                    outcome=data["outcome_name"],
                    graph=data["gml_graph"])  # graph 也可以是 NetworkX DiGraph

identified_estimand = model.identify_effect()
estimate = model.estimate_effect(identified_estimand,
                                 method_name="backdoor.propensity_score_matching")
refute_res = model.refute_estimate(identified_estimand, estimate,
                                   method_name="random_common_cause")
print(estimate)
print(refute_res)

該庫會列印出假設摘要、識別出的估計量、數值估計和反證結果的可讀性總結。

圖形因果模型（GCM）擴展

• 超越效果估計，DoWhy-GCM 允許你定義具有每個節點顯式函數機制的 結構因果模型（SCM）。
• 你可以將這些 SCM 擬合到資料中，評估其擬合度，然後執行以下任務：
  • 根本原因歸因 (gcm.attribute_anomalies)
  • 干預採樣 (gcm.interventional_samples)
  • 反事實查詢
• 範例（X → Y → Z）：

import networkx as nx, pandas as pd, numpy as np
from dowhy import gcm

# 合成資料
X = np.random.normal(size=1000)
Y = 2*X + np.random.normal(size=1000)
Z = 3*Y + np.random.normal(size=1000)
df = pd.DataFrame(dict(X=X, Y=Y, Z=Z))

scm = gcm.StructuralCausalModel(nx.DiGraph([('X','Y'),('Y','Z')]))
gcm.auto.assign_causal_mechanisms(scm, df)
gcm.fit(scm, df)

# 異常 Z 值的根本原因
anomaly = pd.DataFrame(dict(X=[0.1], Y=[6.2], Z=[19]))
print(gcm.attribute_anomalies(scm, "Z", anomaly))

學習資源

• 完整文件與教學： https://py-why.github.io/dowhy/
• 範例筆記本（效果估計、根本原因分析、使用 EconML 的 CATE 等）
• Microsoft Research 和 PyCon 演講影片（README 中有連結）
• 學術論文：arXiv 2020（核心 DoWhy）和 JMLR 2024（DoWhy-GCM）

社群與貢獻

• 問題討論 Discord 頻道： https://discord.gg/cSBGb3vsZb
• GitHub 上提交問題；歡迎透過常規的拉取請求流程貢獻程式碼。

總結 DoWhy 提供了一個簡潔、高階的 API，隱藏了因果推斷的複雜數學，同時仍讓你完全控制圖、估計器和穩健性檢查。它適合需要超越相關性、基於 因果性 做出決策的資料科學家、研究人員和工程師。