1. 日志数据读取及预处理

通过 pandas库读取csv文件，每一行代表一条活动记录，一般必须要有的信息是 case_id 事件id , activity_name 活动名称，time 时间戳，此外还可以包含事件类型、活动成本等额外的信息以供进一步分析。pm4py官网提供了一个小样本数据集可用于探索该库的使用。

case_id;activity;timestamp;costs;resource
3;register request;2010-12-30 14:32:00+01:00;50;Pete
3;examine casually;2010-12-30 15:06:00+01:00;400;Mike
3;check ticket;2010-12-30 16:34:00+01:00;100;Ellen
3;decide;2011-01-06 09:18:00+01:00;200;Sara
3;reinitiate request;2011-01-06 12:18:00+01:00;200;Sara

（1）查看case和event数量

数据读取完成之后，可以获取该事件日志的一些基本信息。注意：这里 case/ trace 表示一个案例，即一次完整的流程，每个case_id 对应了很多可分隔的步骤（也即具体的 事件event / 活动activity）。后面不再强调这一点，但都会按照这种方式进行叙述，因此需要明确区分 case 和 event 。

event_log = pandas.read_csv(file_path, sep=';')  # 读取日志文件
num_events = len(event_log)                      # 获取日志文件的活动数目
num_cases = len(event_log.case_id.unique())      # 查看有多少次完整的案例记录

（2）查看起始事件和结束事件

此外，通过pm4py提供的函数还可以查看开始活动和结束活动都是哪些。

# 指定case_id,activity_key,timestamp_key分别对应哪个数据列
event_log = pm4py.format_dataframe(event_log, case_id='case_id', activity_key='activity',
                                   timestamp_key='timestamp')
                                   
start_activities = pm4py.get_start_activities(event_log)   # 起始事件
end_activities = pm4py.get_end_activities(event_log)       # 结束事件
print("Start activities: {}\nEnd activities: {}".format(start_activities, end_activities))

pm4py.format_dataframe 将数据表转换为pm4py中的通用格式，它会创建事件日志的副本，并将分配的列重命名为pm4py中使用的标准列名，列case_id会重命名为case:concept:name，activity 列重命名为concept:name，timestamp列重命名为time:timestamp。

pm4py.get_start_activities 和pm4py.get_end_activities 函数返回一个字典，给出起始事件及结束事件分别出现在第一个和最后一个的次数。

（3）时间戳格式的问题

PM4Py利用内置的panda函数自动检测输入数据中的时间戳格式。但是，pandas 会孤立地查看每一行中的时间戳值。这就存在一些问题，如果提供的值是2020-01-18，即，首先是年份，然后是月份，然后是日期，在某些情况下，2020-02-01的值可能被错误地解释为1月2日，即，而不是2月1日。为了解决这个问题，可以向format_dataframe（）方法提供一个额外的参数 times_format 。在本例中，时间戳格式为%Y-%m-%d%H:%m:%S%z。通常建议指定时间戳格式。

2. 日志数据过滤

现实中的日志数据通常是复杂、多变、有噪声的，为了得到良好的过程模型，有必要对数据进行仔细的过滤，PM4Py中有各种预构建的过滤器来实现这个需求。

filter_start_activities(log, activities, retain=True) ：此函数根据给定的起点事件过滤事件日志对象。 activities 用于指定所关注的起始事件的集合； retain 设置为True 表示保留所有以 activities 中的事件开头的case，为 False 则删除所有以 activities 中的事件开头的case。 activities 和 retain这两个参数在其他函数中也是一样的，因此后面不再介绍。
filter_end_activities（log，activities，retain=True）：根据给定的终点事件过滤事件日志对象。
filter_event_attribute_values（log，attribute_key，values，level=“case”，retain=True）：根据事件属性过滤事件日志。attribute_key 是表示要筛选的属性键的字符串，values 参数指定一组允许的值。如果level参数设置为“case”，表示在case-level进行属性值的过滤，一个case所包含的多个event中，至少一个event的属性值满足要求，那么整个case的所有事件都将被保留。如果level参数值设置为“event”，则只保留属性为指定值的事件。
filter_trace_attribute_values（log，attribute_key，values，retain=True）：仅保留（如果retain设置为False，则删除）具有所提供attribute_key的属性值并列在相应值集合中的跟踪。
filter_variants（log，variants，retain=True）：保留满足特定执行顺序的轨迹。例如，在大型日志中，我们希望保留描述执行序列“a”、“b”、“c”的所有轨迹。variations 参数是活动名称列表的集合，例如 variations=[['a','b','c']] 。
filter_directly_follows_relation（log，relationship，retain=True）：此函数筛选包含指定“直接跟随关系”的所有轨迹。这样的关系只是一对活动，例如 ('a', 'b') 表示在轨迹中’a’后面直接跟着 ‘b’ ，轨迹<'a'，'b'，'c'，'d'>包含直接跟在后面的对（‘a’，‘b’），（‘b’，‘c’）和（‘c’，‘d’）。relationship 参数是一组元组，包含活动名称。
filter_eventually_follows_relation（log，relationship，retain=True）：此函数的跟随关系更宽松，允许两个活动之间有其他的活动，只需要这两个活动的前后关系满足要求即可。例如，当我们调用具有关系（“a”, “b”）的函数时，在某个点观察到活动“a”，在之后某个点观察到活动“b”即可。
filter_time_range(log, dt1, dt2, mode=’events’) ：根据时间戳 dt1 和 dt2 定义的给定时间范围过滤事件日志。时间戳的格式应为datetime.datetime。筛选器有三种模式（默认为“events”）：
- ‘events’：保留在时间范围之内的事件
- ‘traces_contained’：保留完全在时间范围之内的轨迹
- ‘traces_intersecting’ ：保留至少有一个事件在时间范围之内的轨迹

    filtered = pm4py.filter_start_activities(log, {'register request'})

    filtered = pm4py.filter_start_activities(log, {'register request TYPO!'})

    filtered = pm4py.filter_end_activities(log, {'pay compensation'})

    filtered = pm4py.filter_event_attribute_values(log, 'org:resource', {'Pete', 'Mike'})

    filtered = pm4py.filter_event_attribute_values(log, 'org:resource', {'Pete', 'Mike'}, level='event')

    filtered = pm4py.filter_trace_attribute_values(log, 'concept:name', {'3', '4'})

    filtered = pm4py.filter_trace_attribute_values(log, 'concept:name', {'3', '4'}, retain=False)

    filtered = pm4py.filter_variants(log, [
        ['register request', 'check ticket', 'examine casually', 'decide', 'pay compensation']])

    filtered = pm4py.filter_variants(log, [
        ['register request', 'check ticket', 'examine casually', 'decide', 'reject request']])

    filtered = pm4py.filter_directly_follows_relation(log, [('check ticket', 'examine casually')])

    filtered = pm4py.filter_eventually_follows_relation(log, [('examine casually', 'reject request')])

    filtered = pm4py.filter_time_range(log, dt.datetime(2010, 12, 30), dt.datetime(2010, 12, 31), mode='events')

    filtered = pm4py.filter_time_range(log, dt.datetime(2010, 12, 30), dt.datetime(2010, 12, 31),
                                       mode='traces_contained')

    filtered = pm4py.filter_time_range(log, dt.datetime(2010, 12, 30), dt.datetime(2010, 12, 31),
                                       mode='traces_intersecting')

3. 流程发现

流程发现模块用于从事件日志中生成流程模型，pm4py实现了多种流程发现算法，并且可以生成不同种类的过程模型。PM4Py目前支持三种不同的流程建模符号，分别是：

BPMN，即 Business Process Modeling Notation；
Petri网，Petri网是一种更加数学化的建模表示，Petri网的行为通常更难理解，然而由于其数学性质，Petri网通常不那么模糊。在本教程中，我们将主要关注BPMN模型和流程树。
过程树 Process Tree，过程树表示Petri网的严格子集，并以分层的方式描述过程行为。

pm4py中的流程发现根据所使用的算法和模型对应着不同的函数，具体如下表所示（表中只是其中部分），然后本文会对这些函数的使用方法和参数进行具体的介绍：

pm4py

discover_petri_net_alpha()（这类函数一般都需要下面四个参数，因此后面省略不再介绍）
- log: Union[EventLog, DataFrame] 事件日志
- activity_key: str = ‘concept:name’ ，指定活动名称列
- timestamp_key: str = ‘time:timestamp’，指定表示时间的列
- case_id_key: str = ‘case:concept:name’) ，指定轨迹 id 列
- Return type：Tuple[PetriNet, Marking, Marking]
discover_petri_net_ilp()
- alpha（float）：序列编码图 (sequence encoding graph）的噪声阈值，1.0=no filtering, 0.0=greatest filtering
- Return type：Tuple[PetriNet, Marking, Marking]
discover_petri_net_inductive()
- noise_threshold (float) ：噪声阈值 (default: 0.0)
- multi_processing (bool) ：boolean that enables/disables multiprocessing in inductive miner（？）
- discover_petri_net_heuristics()
- dependency_threshold (float) ： dependency threshold (default: 0.5)
- and_threshold (float)： AND threshold (default: 0.65)
- loop_two_threshold (float) ：loop two threshold (default: 0.5)

discover_process_tree_inductive()
- noise_threshold (float) ： noise threshold (default: 0.0)
- multi_processing (bool) ：boolean that enables/disables multiprocessing in inductive miner
- Return type：ProcessTree
discover_heuristics_net()
- dependency_threshold (float) ： dependency threshold (default: 0.5)
- and_threshold (float)： AND threshold (default: 0.65)
- loop_two_threshold (float) ：loop two threshold (default: 0.5)
- min_act_count (int)：活动的最小发生次数，大于该阈值才会纳入模型中
- min_dfg_occurrences (int)：活动的最小发生次数，大于该阈值才会被作为DFG的一条弧
- decoration (str) ：弧上的标注可选 ‘frequency’ 频率或 ‘performance’ 性能)
- Return type：HeuristicsNet
discover_bpmn_inductive()
- noise_threshold (float) ： noise threshold (default: 0.0)
- multi_processing (bool) ：boolean that enables/disables multiprocessing in inductive miner
- Return type：BPMN

4. 模型转化

在介绍绘图之前，先介绍一下各个流程模型之间的转化。pm4py的convert模块提供了多种函数实现 petri 网，过程树，BPMN等模型的转换。

convert_to_bpmn()：输入 petri net 或process tree，返回BPMN
convert_to_petri_net() ：输入BPMN 或process tree，返回 petri net
convert_to_process_tree()：输入BPMN 或 petri net ，返回process tree

    process_tree = pm4py.discover_process_tree_inductive(log)   # 流程树
    bpmn_model = pm4py.convert_to_bpmn(process_tree)            # 将流程树转换为BPMN

5. 模型可视化

view_petri_net()
- petri_net (PetriNet)：传入要绘制的petri网
- initial_marking ： Initial marking 起始标记 im
- final_marking：Final marking 终点标记 fm（im和fm在前面使用流程发现函数时会随着petri网一起生成三元组）
- format (str) ：输出图片的格式
- bgcolor (str) ：背景颜色，默认白色(default: white)
- decorations ：与Petri网元素相关的装饰（颜色、标签）
- debug (bool)：启用 / 禁用debug模式
save_vis_petri_net()
- 参数同上，但是多了一个 file_path 用于指定文件保存位置

BPMN，过程树绘制的函数也都类似，view_xxxx() 用于模型可视化展示，save_vis_xxxx() 用于文件保存，一般可以设置 format 文件类型 和 bgcolor背景颜色。

net, im, fm = pm4py.discover_petri_net_inductive(dataframe, activity_key='concept:name', 
                                                 case_id_key='case:concept:name', 
                                                 timestamp_key='time:timestamp')
pm4py.view_petri_net(net, im, fm, format='svg')