解决cdt.causality.graph.GES()报错的问题

        最近在做因果推断的一些东西，在做因果图发现的时候无意中找到了cdt这个库，发现它集成了很多因果推断相关的算法，打算学习一下。在装好这个库之后（pip install cdt），跑了一下官网里的demo，在跑到model=cdt.causality.graph.GES()这一句的时候出现了一些问题，最后发现和R语言的依赖有关系，费了不少劲才解决，在这里记录一下。

        首先，直接跑demo的话会报错：

demo.py:

import cdt
import networkx as nx
import matplotlib.pyplot as plt

if __name__ == '__main__':

    data, graph = cdt.data.load_dataset('sachs')
    print(data.head())

    glasso = cdt.independence.graph.Glasso()

    skeleton = glasso.predict(data)
    new_skeleton = cdt.utils.graph.remove_indirect_links(skeleton, alg='aracne')

    model = cdt.causality.graph.GES()
    output_graph = model.predict(data, new_skeleton)

报错信息如下：

这个报错信息很模糊，我初步判断是找不到R的相关依赖，在网上找到了这篇博客https://blog.csdn.net/qq_41365630/article/details/115186063，它是通过直接修改Lib\site-packages\cdt\utils\Settings.py文件来设置与Rscript.exe的链接的，我这里通过在demo的最前面添加一句

cdt.SETTINGS.rpath = 'C:/Program Files/R/R-3.6.2/bin/Rscript.exe'

来得到同样的效果，其中rpath改成自己电脑上装的位置 。

加上这句之后，再次跑demo文件，报错信息有变化，提示我找不到“pcalg”这个包

我尝试直接打开RStudio，install.packages("pcalg")，结果提示我缺少graph和RBGL两个包，并且这两个包也无法直接通过install.packages的方式进行安装，因此我想通过bioconductor这个网站直接下载这两个包的源文件手动安装（bioconductor和CRAN是两个最常用的R依赖包下载网址，但是graph我在CRAN里没找到）

然而当我进了bioconductor尝试直接下载的时候，点了下载链接没反应。。。于是我又在网上找了另一篇博客（很遗憾链接我现在找不到了），在Rstudio里先后运行了以下代码：

if (!requireNamespace("BiocManager", quietly = TRUE))
+     install.packages("BiocManager")

BiocManager::install("graph")

 成功将graph包安装好

然后再运行

install.packages("RBGL")

将RBGL包也装好

最后直接运行

install.packages("pcalg")

成功将pcalg包装好了！！！

最后，再次运行demo文件，不再报错，问题解决！

最后的demo.py

import cdt
import networkx as nx
import matplotlib.pyplot as plt

if __name__ == '__main__':
    cdt.SETTINGS.rpath = 'C:/Program Files/R/R-3.6.2/bin/Rscript.exe'
    data, graph = cdt.data.load_dataset('sachs')
    print(data.head())

    glasso = cdt.independence.graph.Glasso()

    skeleton = glasso.predict(data)
    new_skeleton = cdt.utils.graph.remove_indirect_links(skeleton, alg='aracne')

    model = cdt.causality.graph.GES()
    output_graph = model.predict(data, new_skeleton)

    nx.draw_networkx(output_graph)
    plt.show()

（其中我加了output_graph的可视化，结果是下面这样的）