bo老师
开源仓库py-why/dowhy8,208 Stars

DoWhy

端到端因果推断库，用四步流水线统一因果建模、识别、估计与反驳

适合需要在观察数据上进行严谨因果推断的研究者和数据科学家。它用建模、识别、估计、反驳四步流水线统一因果图模型和潜在结果框架，并提供GCM模块支持异常归因和根因分析。

bo老师判断：推荐

用途和边界相对清楚，可以先从小样本开始。

访问原仓库查看分享卡
...互动状态已更新

什么时候用

先判断任务是否合适

  • 有观察数据、有因果假设但无法做随机实验
  • 需要从数据中估计某个处理对结果的因果效应大小
  • 想检验因果结论是否对未观测混淆稳健
  • 需要定位异常的根因或量化各因素对分布变化的贡献

先准备什么

材料越清楚，结果越有用

  • •准备包含处理、结果和协变量的表格数据
  • •基于领域知识画出变量间的因果DAG（有向无环图）
  • •选定estimand类型（ATE、CATE、ATE等）和估计方法

它会怎样推进

从材料到可以检查的结果

  1. 01

    因果图建模

    把处理、结果、混淆变量的因果假设编码为图模型和变量角色

  2. 02

    效应识别

    在图结构上判断效应是否可识别，找出有效的调整变量集合

  3. 03

    效应估计

    用指定统计方法从数据中估计因果效应大小并给出置信区间

  4. 04

    反驳检验

    用加随机混淆、安慰剂处理、数据子集等方法检验效应估计的稳定性

  5. 05

    敏感性分析

    量化未观测混淆需要多强才能推翻已有结论（E-value）

第一次这样开始

把仓库地址直接交给 AI

先让 AI 说明环境和风险，再完成最小安装验证。跑通以后，再把自己的真实材料放进去。

第一次直接复制

帮我安装这个库：https://github.com/py-why/dowhy
安装前先告诉我需要什么环境，安装后帮我跑通一个最小示例。

结果出来后

先看这些检查点

  • 因果图的箭头方向是否符合领域知识而非数据驱动
  • 识别阶段输出的调整变量集合是否排除本身就是处理结果的变量
  • 反驳检验中新效应值是否偏离原估计过大
  • E-value是否足够大于最强已观测混淆

常见误区

这些判断仍由你负责

  • 跳过因果图建模直接用变量声明跑识别和估计
  • 把单一反驳方法通过等同于因果结论成立
  • 忽略econml等可选依赖未安装时的降级行为

技术依据

查看能力拆解、验证范围与来源

能力地图6 项已拆解能力
  1. 01

    GCM因果机制建模与归因

    不依赖经典 backdoor/iv 识别-估计范式，而是通过显式建模每个变量的因果数据生成机制（structural causal model），支持效应估计以外的因果任务：异常归因、根因分析、分布变化分解、干预/反事实采样、因果影响力量化、特征相关性、模型证伪。

  2. 02

    反驳检验

    对已估计的因果效应，用多种稳健性检验（加随机共同原因、加未观测共同原因、安慰剂处理、虚拟结果、数据子集、bootstrap）扰动估计过程，判断估计值是否对假设违反敏感，从而为非专家提供"这个因果结论是否站得住"的可检查信号。

  3. 03

    因果图建模与假设声明

    把研究者的因果假设（哪些变量是处理、哪些是结果、哪些是共同原因、哪些是工具变量、哪些是效应修饰因子）和数据，显式编码成内部 CausalModel 和 CausalGraph，使后续识别、估计和反驳都能引用同一套假设。

  4. 04

    因果效应估计

    在已识别的 estimand 基础上，用指定的统计方法（倾向性得分、回归、双重稳健、工具变量、回归断点、两阶段、GLM、econml CATE）从数据中估计因果效应的数值大小，并给出置信区间、显著性和条件效应。

能力主要输入主要输出人工检查

GCM因果机制建模与归因

源码已核对

  • DAG：networkx DiGraph 描述变量因果关系。
  • data：DataFrame。
  • StructuralCausalModel（causalmodels.py）：基于 DAG 构建，每个节点对应一个因果机制。
  • 归因字典：{node: attributionscore}（attributeanomalies）。
  • interventionalsamples / counterfactualsamples：DataFrame。
  • averagecausaleffect：数值。
  • DAG 结构是否符合真实因果机制（核心人工门）。
  • 自动选择的机制类型是否适合数据（连续用 ANM，分类用 ClassifierFCM）。
  • evaluatecausalmodel 的评估结果是否可接受。

反驳检验

源码已核对

  • estimand：IdentifiedEstimand。
  • estimate：CausalEstimate（必须有 value，None 则 raise ValueError）。
  • methodname：反驳方法名。
  • CausalRefutation 对象：
  • 函数式入口返回 List[CausalRefutation]。
  • 反驳结果解读：neweffect 偏离多少算"敏感"，需领域判断。
  • 是否跑了足够多种反驳（单一反驳通过不能下结论）。
  • placebo/dummy 的效应是否真趋近 0（否则估计有结构性问题）。

因果图建模与假设声明

源码已核对

  • data：pandas DataFrame，含 treatment、outcome 和其他变量列。
  • treatment：处理变量名（字符串或列表）。
  • outcome：结果变量名（字符串或列表）。
  • CausalModel 对象（含 CausalGraph、变量角色、estimator cache）。
  • summary 文本。
  • 未观测变量/未使用变量 warning（人工判断是否预期）。
  • 因果 DAG 是否反映真实因果机制（核心人工门，dowhy 无法替代）。
  • 未观测变量 warning 是否符合预期（拼写错误 vs 真正未观测）。
  • 未使用数据变量是否应纳入图。

因果效应估计

源码已核对

  • identifiedestimand：来自 identifyeffect 的 IdentifiedEstimand。
  • methodname：估计方法名，格式 <identifier.<estimator，如 backdoor.linearregression、backdoor.propensityscorematching、iv.instrumentalvariable、frontdoor.twostageregression、backdoor.econml.dml.DML。
  • controlvalue、treatmentvalue：对照组/处理组取值。
  • CausalEstimate 对象：
  • 估计方法选择是否符合数据结构和研究问题（连续/二元 outcome、观察 vs 实验）。
  • bootstrap 次数是否足够（399 为 5% 误差率下限）。
  • 效应强度和条件效应的解释是否正确。

因果效应识别

源码已核对

  • CausalModel 的内部 CausalGraph（networkx DiGraph）。
  • treatment、outcome 节点。
  • observednodes：观测节点列表。
  • IdentifiedEstimand 对象：
  • CausalModel.identifier 被赋值。
  • 因果图假设是否正确（核心人工门）。
  • proceedwhenunidentifiable 是否应设为 True（接受潜在未观测混淆）。
  • 调整集是否符合领域知识（排除本身就是处理结果的变量）。

敏感性分析

源码已核对

  • estimate：CausalEstimate。
  • estimand：IdentifiedEstimand。
  • data：DataFrame。
  • E-value：未观测混淆的最小关联强度（risk ratio 尺度）。
  • Observed Covariate E-value：各已观测混淆的基准 E-value。
  • CI 边界变化曲线（matplotlib 可选绘图）。
  • outcome measure type 选择（ratio vs additive）。
  • E-value 阈值解读：多强算"足够稳健"，需领域判断。
  • 是否同时跑了反驳检验（敏感性分析应与反驳互补）。

处理机制

  1. 01

    核心处理链

    端到端因果推断库，用四步流水线统一因果建模、识别、估计与反驳

已核对范围

  • 静态读取 gcm/init.py 完整 API 导出清单
  • 静态读取 gcm/whatif.py interventionalsamples/counterfactualsamples/averagecausaleffect
  • 静态读取 gcm/anomaly.py attributeanomalies、gcm/distributionchange.py、gcm/influence.py、gcm/featurerelevance.py 模块位置
  • 静态读取 gcm/fittingsampling.py fit/drawsamples、gcm/auto.py assigncausalmechanisms、gcm/modelevaluation.py evaluatecausalmodel、gcm/validation.py refutecausalstructure
  • 静态读取 causalmodel.py refuteestimate、causalrefuter.py CausalRefuter 基类与 CausalRefutation 对象
  • 静态读取 causalrefuters/ 目录反驳器模块清单与 refuteestimate.py ALLREFUTERS 列表
  • 静态读取 testsignificance、choosevariables、SignificanceTestType 枚举
  • 静态读取 randomseed、njobs、showprogressbar 参数

仍待核对

  • 未运行 GCM 流程，未验证归因字典和采样输出
  • 未验证 auto.assigncausalmechanisms 的机制选择规则
  • 未验证 distributionchange 和 arrowstrength 的数值输出
  • 未运行反驳检验，未验证 neweffect 和 pvalue 实际输出
  • 未验证各反驳器对估计值的实际扰动幅度
  • 未运行 CausalModel 构造，未验证图解析（DOT/GML/DiGraph）实际行为
  • 未验证 missingnodesasconfounders 对结果的改变
  • 未运行 estimateeffect，未验证任一估计器实际数值输出

原仓库

py-why/dowhy

读取版本

a53f80c7501aa81fbe7db261e1774246a8053699

许可

MIT

最近核对

内容 2026-07-10
Stars 2026-07-11

部分完成验证

相关文章

科研之我见

AI 科研全流程怎么搭，我梳理出三个核心入口

每天开工先固定阶段入口、材料入口和验证入口，把庞大的科研全流程收缩成一段可执行、可检查的任务。

查看内容

科研之我见

AI 可以参与科研的哪些环节？一张 11 环节工作流全景图

从选题、文献、理论、数据到投稿，逐环节判断 AI 可以主导、需要人工校验和必须由研究者把关的工作。

查看内容

具备相关能力的其他库

文献 · 验证

paper-qa

从本地论文和文档中检索证据并生成带精确引用的科研答案

查看内容

文献 · 分析 · 写作

grobid

把学术论文PDF解析成结构化TEI XML，提取元数据、全文结构和参考文献

查看内容

设计 · 分析 · 验证

CausalPy

用贝叶斯方法做准实验因果推断，含10+方法和稳健性诊断套件

查看内容

相关课程

把单项工具放进完整研究设计流程

课程一从研究问题、文献判断、理论假设和方法骨架继续推进，帮助你建立可以复用的研究设计档案。

查看课程一