上篇

1.Dowhy因果推断框架

2.数据来源及预处理

3.数据相关性探索

下篇

因果推断实现

1.计算期望频数，初步判断因果关系

2.基于假设创建因果图

3.识别因果效应

4.估计因果效应

5.反驳结果

这篇文章是基于上篇的基础继续分析，前面数据预处理的过程可以通过阅读全文查看源代码，这篇文章主要聚焦于因果推断的实现。

因果推断实现

完成数据预处理和相关性分析之后，各个变量间的相关性已有了初步的结果，但变量间是否存在因果关系我们还不得而知，需要进行进一步地因果推断，即利用Dowhy框架，通过建模，识别，估计，反驳四个步骤实现。

1.计算期望频数，初步判断因果关系

由相关性分析可知，客户取消预订与“停车位”、“总共居住天数”以及“预定房型与分配房型不同”三个因素相关性较高。除此以上三个因素之外，还有部分因素与客户取消预定呈现微弱相关性，例如，“预定变更”、“特殊要求”等因素。

相关不一定等同于因果，而且由图9-10可知，数据集中正负样本比例是不均衡的，所以此处需要对因果关系进行初步地探究。于是对于变量“取消”、“预定房型与分配房型不同”，在数据集中随机选取1000次观测数据，统计两个变量值相同的次数，即如果酒店为客户分配了与预定房型不同的房间客户取消订单的次数，重复上述过程10000次取平均值，实现代码如下。

counts_sum=0
for i in range(1,10000):
        counts_i = 0
        rdf = data.sample(1000)
        counts_i =rdf[rdf["is_canceled"]==rdf["different_room_assigned"]].shape[0]
        counts_sum+= counts_i
counts_sum/10000
 
517.9752

理论上，这个次数应该是总观测次数的50%，因为面对酒店分配与房型不符的房间时，客户要不取消预订，要不接受房型调整。如果这个次数接近总观测次数的50%，那么可初步说明两两变量之间可能存在一定因果关系。

最终得出的期望频数为518，即如果为客户分配与预订不同的房型约50%的概率客户会取消预定。

预定变更，即变量“booking\_changes”，也是造成酒店分配与预订时不同房型的影响因素之一，所以去除该变量的影响也较为重要。因此，此处随机选择预定变更次数为0的1000个用户，重复10000次上述的随机试验后取平均值，实现代码如下。

counts_sum=0
for i in range(1,10000):
        counts_i = 0
        rdf =data[data["booking_changes"]==0].sample(1000)
        counts_i =rdf[rdf["is_canceled"]==rdf["different_room_assigned"]].shape[0]
        counts_sum+= counts_i
counts_sum/10000
 
492.0499

对于预定变更次数为0的客户，最终得出的期望频数为492，约占样本的50%，是符合预期的。

对于发生预定改变的用户，同样选择1000个客户，进行上述的随机试验10000次，实现代码如下。

counts_sum=0
for i in range(1,10000):
        counts_i = 0
        rdf =data[data["booking_changes"]>0].sample(1000)
        counts_i =rdf[rdf["is_canceled"]==rdf["different_room_assigned"]].shape[0]
        counts_sum+= counts_i
counts_sum/10000
663.4134

而对于预定变更次数大于0的客户，最终得出的期望频数为663，期望频数发生较大差异。这一结果提示我们“预定改变”可能是一个混杂变量。

但是影响客户取消预订的混杂变量可能不止“预定改变”一个，面对这种情况Dowhy框架会将未指明的变量都作为潜在的混杂变量进行推断。