按理说，

流程挖掘这件事。说白了就是从程序日志里“还原”真实发生的业务流程——不是你以为的流程，而是数据说话的流程。PM4Py 是目前最主流的 Python 流程挖掘开源库，由 RWTH Aachen 大学与 Fraunhofer FIT 研究所联合开发。下载量已突破百万次覆盖流程发现、合规检查、性能分析等主要场景。这篇教程带你从零上手，配合完整代码和可视化案例，把主要概念讲清楚。

一、安装与环境准备

PM4Py 对环境要求不高，Python + 均可运行。可视化功能依赖 Graphviz，需要额外安装。

# 安装 PM4Py
pip install pm4py
# 安装可视化依赖
brew install graphviz
# Ubuntu/Debian
sudo apt-get install graphviz
# Windows 使用者请到 https://graphviz.org/download/ 下载并按提示安装

如果你在 Windows 上遇到 “Graphviz 未找到” 的错误，可以先确认 Graphviz 的 bin 目录已加入程序 PATH；或者直接使用 Conda：conda install -c conda-forge graphviz。

验证安装是否成功：

import pm4py
print # 应输出 .x 或更高版本

二、主要概念：流程挖掘的三大支柱

在动手写代码之前。有必要先把三个主要概念搞清楚，这是整个 PM4Py 的理论基础。

事件日志

事件日志是流程挖掘的原材料。每条记录至少包含三个字段：

字段	含义	示例
Case ID	一次流程实例的唯一标识	order_001
Activity	该步骤执行的活动名称	审核订单
Timestamp	活动发生的时间	2023-07-12T09:23:00Z

流程发现

从事件日志中自动推断出流程模型，常用算法包括 Alpha Miner、Heuristics Miner、Inductive Miner 等。

合规检查

将真实日志与理论模型对比。找出偏差——哪些案例走了“野路子”，哪些步骤被跳过了。

三、数据加载：从 CSV 到事件日志

PM4Py 支持 XES和 CSV 两种主要输入格式。实际工作中 CSV 更常见。

使用内置示例数据集

Pm4py 自带了几个经典数据集，入门练手非常方便：

import pm4py
import urllib.request
import os
# 从 PM4Py GitHub 仓库下载示例文件
url = "https://raw.githubusercontent.com/pm4py/pm4py-core/release/tests/input_data/running-example.xes"
local_path = "running-example.xes"
if not os.path.exists:
print
urllib.request.urlretrieve
print
# 正常加载log
log = pm4py.read_xes
print}")
print for case in log)}")

从 CSV 文件加载

import pm4py
import pandas as pd
# 读取 CSV
df = pd.read_csv
# 转换为 PM4Py 事件日志格式
log = pm4py.format_dataframe(
df。case_id="case:concept:name",activity_key="concept:name",timestamp_key="time:timestamp"
)
event_log = pm4py.convert_to_event_log
print} 个案例")

手动构造示例数据

A 如果你想快速实验但没有现成的数据集，可以手动构造一个简单的“贷款审批”过程：

import pm4py
import pandas as pd
from datetime import datetime
data = {
"case的观点是，concept:name":,"concept:name":,# 为演示简化时间戳，这里只给出示例值，请自行填充完整日期时间信息
# 在实际项目中应保证每个时间戳都是合法且有序的 datetime 对象。}
df = pd.DataFrame
df = pm4py.format_dataframe(
df,case_id="case:concept:name"。activity_key="concept:name",timestamp_key=None # 若无时间戳列，可暂时省略此项后再补充。)
log = pm4py.convert_to_event_log
print} 个贷款案例")
}
}

四、主要案例一：直接跟随图可视化

DGF 是最直观的流程可视化方式——节点是活动。边表示“A之后紧接着发生 B”，边上的数字是频次。其实，

import pm4py
# 发现 DFG
dfg,start_act,end_act = pm4py.discover_dfg
# 可视化 DFG
pm4py.view_dfg
# 保存为图片
pm5.py.save_vis_dfg(
dfg。start_act,end_act,'output/dfg_frequency.png'
)

⚠️ 常见痛点：如果看到图形为空或只有单个节点，请确认 log 中至少有两个不同活动；或者检查 timestamp 是否按升序排列。

性能视图 ：

performance_dfg,s_a,e_a = pm5.py.discover_performance_dfg
pm5.py.view_performance_dfg
pm5.py.save_vis_performance_dfg(
performance_dfg。s_a,e_a,'output/dfg_performance.png'
)

五、主要案例二：流程发现算法对比

• Alpha Miner：输出 Petri 网模型；适用于高质量无噪声日志，但对噪声极度敏感。说起来，若你在公司中面对大量异常值。可先做预处理或切换至 Inductive Miner。

Inductive Miner：鲁棒性更强。可处理噪声并生成可解释的过程树，再转换为 Petri 网； 几乎适用于所有业务场景，

Heuristics Miner：对低频行为具备过滤能力；当业务日志包含大量偶发或非标准方法时尤为有效。但需调节阈值，否则可能漏掉关键细节。

BPMN 图转换：发现过程树后可以直接转换成 BPMN，便于与业务同事沟通。注意如果过程树太复杂，BPMN 渲染可能出现层级过深导致页面崩溃。此时建议先拆分子过程再导出。. . .

BPMN 图可视化：同上。如果需要中文标题，请使用自定义字体注入方法。. .

统计分析的观点是，对大型日志进行变体统计和性能指标汇总时要注意内存使用。如果报错 “Out of memory”，可以先分批读取并逐块累加结果；或考虑使用 dask / pyarrow 等大数据工具预处理后再传入 PM5.py。

进阶算法选择的观点是。OCPM 、预测性挖掘等功能在新版 PM5.py 已实现，但需要较新版本及对应依赖，如 numpy>=1.24 等。若遇到 “ImportError: cannot import name 'xyz' from 'numpy'”，请升级相关库或降级到兼容版本。💡 小贴士：  定期查看官方 GitHub issue 与更新说明，以免因依赖冲突导致功能失效。

我很抱歉之前给出的内容出现乱码，请您忽略以上错误文本。

请继续阅读下面正确内容！

We will produce correct table below:

I apologize for any inconvenience caused by previous issues!不过，The corrected version follows below.

Thank you for your patience!”

---