pgmpy

用 Python 轻松搞定贝叶斯网络与因果推断

pgmpy 是一个纯 Python 实现的概率图模型工具包，专注于因果推理与概率推理。它解决了从数据中学习贝叶斯网络结构、参数估计、因果效应识别与推断等问题。核心能力包括：支持多种结构学习算法（如 PC、FCI、GES 等），参数学习（MLE、Bayesian），精确与近似推理（变量消元、置信传播、MCMC），以及因果推断（do-演算、反事实推理）。它提供统一的 API 和丰富的文档，适合教学、科研和工业应用。

开源 free 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3336

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开发框架

开发团队pgmpy

所属国家

官网地址https://pgmpy.org

GitHubhttps://github.com/pgmpy/pgmpy

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型bayesian-networks,causal-discovery,causal-effect,causal-identification,causal-inference,causal-models,causal-prediction,causal-validation,graphical-models,hacktoberfest,mixed-data,probabilistic-inference,python,simulation,synthetic-data

GitHub 星标★ 3336

30天Star增速

HF 下载量

上线时间2013-09-20 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

已安装 Python 环境（版本 README 未指定）
已安装 pip（从 PyPI 安装时使用）或 conda（从 conda-forge 安装时使用）
网络可访问 PyPI 或 conda-forge 源

安装与启动步骤

1检查 Python 环境

pgmpy 是纯 Python 工具包，先确认本机已有可用的 Python 与 pip，避免安装到错误环境。
```
python --version
pip --version
```
2用 pip 安装

README 首推的安装方式，从 PyPI 安装 pgmpy 及其依赖，适合 virtualenv/conda 等常规环境。
```
pip install pgmpy
```
3或用 conda 安装

如果你用的是 conda 环境，README 提供了 conda-forge 渠道的安装命令，二选一即可。
```
conda install conda-forge::pgmpy
```
4验证安装

导入模块确认包已正确安装、无缺依赖报错。
```
python -c "import pgmpy"
```
5查看文档与示例

README 指向官方文档、示例页与教程仓库，按其上的内容学习使用方法。

如何确认成功

执行 python -c "import pgmpy" 不报错即安装成功；也可打开官方文档与示例页确认可用。

常见问题

Q：pip 和 conda 该选哪种安装方式？

A：两者 README 都支持：普通 Python 环境用 pip install pgmpy；conda 环境用 conda install conda-forge::pgmpy，同一环境选一种即可。

Q：安装后从哪里学习具体用法？

A：README 给出了官方文档 https://pgmpy.org/、示例页 https://pgmpy.org/examples.html 以及教程仓库 pgmpy/pgmpy_tutorials。

Q：能否不本地安装直接试用？

A：可以，README 提供了 Binder 在线环境入口，可直接在浏览器中运行仓库 examples 目录下的示例。

Q：安装需要额外的系统依赖或编译工具吗？

A：README 未列出任何额外系统依赖，pgmpy 为纯 Python 实现，pip/conda 会自动处理其依赖。

注意事项

README 仅给出安装说明，未提供代码级快速开始示例，具体用法请以官方文档和教程仓库为准。
官方文档：https://pgmpy.org/ ；教程仓库：https://github.com/pgmpy/pgmpy_tutorials 。
README 未说明支持的 Python 版本范围，如遇兼容问题请查阅官方文档。

核心亮点

纯 Python 实现，安装简单，无需编译，适合快速原型
覆盖结构学习、参数学习、推理和因果推断全流程
API 设计统一，文档示例丰富，上手门槛低

不足之处

大规模图模型性能不如 C++ 实现的库
部分高级因果发现算法仍在完善中
文档/社区待观察

适用场景

学术研究：教学和实验概率图模型算法
数据科学：从观测数据中发现因果结构
决策支持：评估干预措施的效果

替代项目

PyMC、pgmpy 的替代：bnlearn、DoWhy

项目介绍

pgmpy 是开发框架领域的开源项目，由 pgmpy 开发，2013 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,336）位列前 30%，在开发框架分类的 803 个项目里位列前 15%。

近 42 天，它的 GitHub 星标从 3,313 增加到 3,336，净增 23。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：学术研究：教学和实验概率图模型算法。同类可对比的替代方案包括 PyMC、pgmpy 的替代：bnlearn、DoWhy。

上一篇：mcp-toolbox-sdk-python

下一篇：SkillForge