很多時候，我們必須可視化數據在實體之間的流動方式。 例如，讓我們以居民如何從英國境內的一個國家遷移到另一個國家為例。
我們經常遇到排名，還有比較數據不同變量之間關係等場景。
同一項排名或許可以用柱狀圖，但是如何體現排名的波動呢？除了折線圖之外，還有沒有別的選擇？
如題，本章節將補充在上一篇文章沒提到的內容，同時，分享筆者在實作時，遇到的問題，以及如何解決。
延續上一篇文章，筆者將透過現實生活中的案例，跑一次DiCE 反事實解釋。
本章節，筆者將帶各位使用DoWhy框架，進行因果推斷。使用的數據是來自github。
「因果推斷」（causal inference）是基於觀察數據進行反事實估計，分析干預與結果之間的因果關係的一門科學。雖然在因果推斷領域已經有許多的框架與方法，但大部分方法缺乏穩定的實現。 DoWhy 是微軟發布的一個用於進行因果推斷的 Python 套件，其特點在於：
平均因果效應 (ATE)、條件平均因果效應 (CATE)、對受測組的平均應果效應 (ATT) 和對控制組的平均因果效果 (ATC)，是因果推論分析的常用概念。 理解這些概念對於正確解釋因果推理結果至關重要。
你相信存在平行宇宙嗎？ 根據這個理論，每當你做出不同的選擇時，都會在另一個平行宇宙中產生不同的結果。但你是否知道，因果推論可以幫助我們探索這個神秘的平行宇宙。
