使用pgmpy的MaximumLikelihoodEstimator.estimate_cpd()处理元组列名DataFrame报错

问题原因 #

当DataFrame列名为元组（如('Production', 0)）时，使用MaximumLikelihoodEstimator.estimate_cpd()会触发KeyError。这是因为pgmpy错误地将元组节点名拆解为Index(['Production', 0])去匹配列，但DataFrame的列是完整的元组对象，两者无法匹配。

解决方案 #

方案1：临时映射列名为字符串（快速可行） #

通过将元组列名和节点名临时转换为字符串，生成CPD后再恢复元组命名：

1. 定义列名映射规则

# 元组转唯一字符串的映射
col_map = {col: repr(col) for col in categorical_energy_production.columns}
# 反向映射用于后续恢复原命名
rev_col_map = {v: k for k, v in col_map.items()}

2. 重命名DataFrame列并调整贝叶斯网络节点名

# 重命名DataFrame的列
df_renamed = categorical_energy_production.rename(columns=col_map)

# 将网络节点同步改为对应字符串
energy_production_model = BayesianNetwork([
    (repr(('Nuclear', 0)), repr(('Production', 0))),
    (repr(('Oil and Gas', 0)), repr(('Production', 0))),
    (repr(('Hydroelectric', 0)), repr(('Production', 0)))
])

3. 生成CPD并恢复元组命名

# 生成CPD
cpd_production = MaximumLikelihoodEstimator(
    energy_production_model, df_renamed
).estimate_cpd(repr(('Production', 0)))

# 恢复变量名为元组
cpd_production.variable = rev_col_map[cpd_production.variable]
# 恢复父节点名
cpd_production.parent_names = [rev_col_map[p] for p in cpd_production.parent_names]
# 恢复状态名的键为元组
new_state_names = {}
for k, v in cpd_production.state_names.items():
    new_state_names[rev_col_map[k]] = v
cpd_production.state_names = new_state_names

方案2：修改pgmpy源码（根治问题） #

找到pgmpy库中MaximumLikelihoodEstimator类的estimate_cpd方法（路径通常为pgmpy/estimators/MaximumLikelihoodEstimator.py），定位到获取节点数据的代码段，确保元组节点名被作为整体索引：
将类似以下的代码：

data = self.data[node]

替换为：

# 保证元组节点名被当作整体索引
data = self.data[node] if isinstance(node, tuple) else self.data[node]

（根据实际源码细节调整，核心是避免元组被拆解）

方案3：升级pgmpy版本 #

检查pgmpy是否已修复该兼容性问题，执行升级命令：

pip install --upgrade pgmpy

升级完成后重新测试代码，新版本可能已原生支持元组类型的节点名。

内容的提问来源于stack exchange，提问作者Lauro Correa dos Santos Junior