Подготовьте файл csv для интеллектуального анализа процессов

В вашем случае я предполагаю, что «id» будет таким же, как идентификатор случая в обычной терминологии интеллектуального анализа процессов. Точно так же «статус» соответствует идентификатору действия, а «дата» соответствует отметке времени.

Лучший вариант — сначала прочитать кадр данных pandas, прежде чем передавать его в PM4Py.

Для подробного понимания того, как это сделать, вот пример ниже. Поскольку вы не упомянули все столбцы, которые есть в вашем CSV-файле, давайте предположим, что в настоящее время у вас есть только ['id', 'status', 'date'] в качестве списка столбцов. Следующий код можно адаптировать к любому количеству имеющихся у вас столбцов (добавив их в список с именем cols):

import pandas as pd
from pm4py.objects.conversion.log import converter as log_converter

path = '' # Enter path to the csv file
data = pd.read_csv(path)
cols = ['case:concept:name','concept:name','time:timestamp']
data.columns = cols
data['time:timestamp'] = pd.to_datetime(data['time:timestamp'])
data['concept:name'] = data['concept:name'].astype(str)

log = log_converter.apply(data, variant=log_converter.Variants.TO_EVENT_LOG)

Здесь мы изменили имена столбцов и их типы данных в соответствии с требованиями пакета PM4Py. Преобразуйте этот кадр данных в журнал событий, используя функцию log_converter. Теперь вы можете выполнять свои обычные задачи анализа процессов для этого объекта журнала событий. Например, если вы хотите создать график Directly-Follows из журнала событий вы можете использовать следующую строку кода:

from pm4py.algo.discovery.dfg import algorithm as dfg_algorithm

dfg = dfg_algorithm.apply(log)

сначала вам нужно импортировать файл csv с помощью pandas, затем преобразовать в объект журнала событий, наконец, вы можете использовать его в pm4py.

ссылка: https://pm4py.fit.fraunhofer.de/documentation