因果推断包含因果发现和因果推理，二者既相互分离又存在联系，就如同因果与机器学习。因果发现旨在探索变量之间是否存在因果关系，并以图的形式进行展示。
1 PyCausalFS
仓库地址：https://github.com/kuiy/pyCausalFS
语言版本：Python
内容介绍：主攻马尔可夫边界发现，但同时提供基于此拓展的局部因果发现与全局因果发现的接口。
2 causal-learn
仓库地址：https://github.com/cmu-phil/causal-learn
语言版本：Python
内容介绍：主要提供全局因果发现的接口，但包含了考虑真实场景的FCI算法。
3 Tigramite
仓库地址：https://github.com/jakobrunge/tigramite
语言版本：Python
内容介绍：专门为时间序列数据进行因果发现的工具包。
4 gCastle
仓库地址：https://github.com/huawei-noah/trustworthyAI/tree/master/gcastle
语言版本：Python
内容介绍：只提供全局因果发现接口，但方法更加多元，也给出了数据生成、方法评估的接口。
5 CausalDiscoveryToolbox
仓库地址：https://github.com/FenTechSolutions/CausalDiscoveryToolbox
语言版本：Python
内容介绍：同时结合了多种因果发现和因果推理的算法，并将函数因果模型纳入。
6 pcalg
仓库地址：https://cran.r-project.org/web/packages/pcalg/index.html
语言版本：R
内容介绍：非常经典的工具包，集因果发现和因果推理于一身，提供因果发现方法与通用后门准则推理。
7 CausalExplorer
仓库地址：https://github.com/mensxmachina/CausalExplorer_1.5
语言版本：Matlab
内容介绍：专注于因果发现，提供马尔可夫边界发现和全局因果发现的接口。
8 Causal-Learner
仓库地址：https://github.com/z-dragonl/Causal-Learner
语言版本：Matlab
内容介绍：是 CausalExplorer 的拓展版本，新增局部因果发现模块、数据生成模块和方法评估模块。
9 causalnex
仓库地址：https://github.com/quantumblacklabs/causalnex
语言版本：Python
内容介绍：在Pearl体系中进行因果推断的工具包，即勾勒因果图并使用do算子完成效应推理。
10 bnlearn
仓库地址：https://www.bnlearn.com/
语言版本：R
内容介绍：专注于贝叶斯网络结构学习，除了提供局部发现和全局发现外，也给出诸多实验数据集的下载和可视化。
11 pgmpy
仓库地址：https://github.com/pgmpy/pgmpy
语言版本：Python
内容介绍：贝叶斯网络必备工具包，虽然重点并不是因果推断，但也提供相关的衍生接口。
12 YLearn
仓库地址：https://github.com/DataCanvasIO/YLearn
语言版本：Python
内容介绍：国内第一款商用的因果推断开源包，提供了完整的商业流程，但仓库出现时间尚短。
欢迎关注我的公众号，知守溪的收纳屋，回复【加群】，一起学习进步。
