买一个网站需要多少钱淘宝怎么下载视频

当前位置： 首页 > news >正文

买一个网站需要多少钱,淘宝怎么下载视频,微信小程序公司,网站流量统计分析工具本节用于介绍pm4py中的统计函数#xff0c;包括统计轨迹变体、案例持续时间、案例到达时间等。 1.函数概述 本次主要介绍Pm4py中一些常见的统计函数#xff0c;总览如下表#xff1a; 函数名说明pm4py.stats.get_start_activities()从事件日志中获取开始活动。pm4py.stats.… 本节用于介绍pm4py中的统计函数包括统计轨迹变体、案例持续时间、案例到达时间等。 1.函数概述 本次主要介绍Pm4py中一些常见的统计函数总览如下表 函数名说明pm4py.stats.get_start_activities()从事件日志中获取开始活动。pm4py.stats.get_end_activities()从事件日志中获取结束活动。pm4py.stats.get_event_attributes()获取事件的事件级的属性pm4py.stats.get_trace_attributes()获取事件轨迹级别的属性pm4py.stats.get_event_attribute_values()获取事件中某个属性的值pm4py.stats.get_trace_attribute_values()获取轨迹中的属性值pm4py.stats.get_case_arrival_average()获取事件的案件到达时间列表pm4py.stats.get_cycle_time()获取事件的周期时间pm4py.stats.get_all_case_durations()获取事件的案件持续时间列表pm4py.stats.get_case_duration()获取日志中特定案例的案例持续时间。pm4py.stats.get_stochastic_language()获取事件日志的随机语言 2.函数方法介绍 2.1 统计开始活动 pm4py.stats.get_start_activities(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[str, int]说明返回日志对象的开始活动 输入参数       log–log对象      activity_keystr–要用于活动的属性      timestamp_keystr–用于时间戳的属性       case_id_keystr–要用作案例标识符的属性 输出参数         Dict[str, int] 示例代码 import pm4pystart_activities pm4py.get_start_activities(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.2 统计日志对象的结束活动 pm4py.stats.get_end_activities(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[str, int] 说明返回日志对象的结束活动 输入参数       log–log对象       activity_keystr–要用于活动的属性       timestamp_keystr–用于时间戳的属性        case_id_keystr–要用作案例标识符的属性 输出参数         Dict[str, int] 示例代码 import pm4pyend_activities pm4py.get_end_activities(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.3 统计事件属性 pm4py.stats.get_event_attributes(log: EventLog | DataFrame) → List[str]说明统计事件属性 输入参数    log–log对象现可视化效果输出参数    List[str] 示例代码 import pm4pyevent_attributes pm4py.get_event_attributes(dataframe) 2.4 统计轨迹属性 pm4py.stats.get_trace_attributes(log: EventLog | DataFrame) → List[str]说明统计轨迹属性 输入参数    log–log对象现可视化效果输出参数    List[str] 示例代码 import pm4pytrace_attributes pm4py.get_trace_attributes(dataframe) 2.5 统计事件属性值 pm4py.stats.get_event_attribute_values(log: EventLog | DataFrame, attribute: str, count_once_per_caseFalse, case_id_key: str  case:concept:name) → Dict[str, int] 说明统计事件属性值 输入参数         log–log对象         attributestr–attribute         count_once_per_casebool–如果为True则只考虑案例中给定属性值的一次出现如果有多个事件共享同一属性值则只计算一次出现         case_id_keystr–要用作案例标识符的属性输出类型         Dict[strint] 示例代码 import pm4pyactivities pm4py.get_event_attribute_values(dataframe, concept:name, case_id_keycase:concept:name) 2.6 统计指定轨迹属性的值 pm4py.stats.get_trace_attribute_values(log: EventLog | DataFrame, attribute: str, case_id_key: str case:concept:name) → Dict[str, int] 说明返回指定跟踪属性的值输入参数         log–log对象         attributestr–属性         case_id_keystr–要用作案例标识符的属性输出类型         Dict[strint] 示例代码 import pm4pytr_attr_values pm4py.get_trace_attribute_values(dataframe, case:attribute, case_id_keycase:concept:name) 2.7 统计日志变体 pm4py.stats.get_variants(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[Tuple[str], List[Trace]] 说明从日志中获取变体 输入参数         log–事件日志         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性输出类型         Dict[Tuple[str]List[Trace]] 示例代码 import pm4pyvariants pm4py.get_variants(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.8 统计日志变体2 pm4py.stats.get_variants_as_tuples(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[Tuple[str], List[Trace]] 说明从日志中获取变体其中键是元组而不是字符串 输入参数       log–事件日志       activity_keystr–要用于活动的属性       timestamp_keystr–用于时间戳的属性       case_id_keystr–要用作案例标识符的属性输出类型         Dict[Tuple[str]List[Trace]] 示例代码 import pm4pyvariants pm4py.get_variants_as_tuples(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.9 统计活动的自距离 pm4py.stats.get_minimum_self_distances(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[str, int] 说明该算法计算在事件日志中观察到的每个活动的最小自身距离。a在a中的自距离为无穷大a在a、a中为0在ab、a为1等等。最小自距离是事件日志中观察到的最小自距离值。输入参数         log–事件日志pandas.DataFrame、EventLog或EventStream         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性输出类型         Dict[strint] 示例代码 import pm4pymsd pm4py.get_minimum_self_distances(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp)timestamp) 2.10 统计活动自距离见证人 pm4py.stats.get_minimum_self_distance_witnesses(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[str, Set[str]] 说明此函数导出最小自距离见证人。a在a中的自距离为无穷大a在a、a中为0在ab、a为1等等。最小自距离是事件日志中观察到的最小自距离值。“见证人”是见证自我距离最小的活动。例如如果某个日志L中活动a的最小自距离是2那么如果轨迹abca在日志L中b和c是a的见证。 输入参数         log–要使用的事件日志         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性输出类型         Dict[strSet[str]] 示例代码 import pm4pymsd_wit pm4py.get_minimum_self_distance_witnesses(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.11 统计案例到达时间 pm4py.stats.get_case_arrival_average(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → float 说明获取两个连续事例的开始时间之间的平均差值输入参数         log–log对象         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性返回类型         float 示例代码 import pm4pycase_arr_avg pm4py.get_case_arrival_average(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.12  统计返工活动 pm4py.stats.get_rework_cases_per_activity(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[str, int] 说明找出日志中哪些活动发生了返工该活动的轨迹中出现了多个。输出是一个字典将发生返工的案例数量与上述每个活动相关联。输入参数         log–log对象         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性返回类型         Dict[strint] 示例代码 import pm4pyrework pm4py.get_rework_cases_per_activity(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.13 统计日志的周期时间 pm4py.stats.get_cycle_time(log: EventLog | DataFrame, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → float 说明计算事件日志的周期时间。 所遵循的定义是在中提出的定义https://www.presentationeze.com/presentations/lean-manufacturing-just-in-time/lean-manufacturing-just-in-time-full-details/process-cycle-time-analysis/calculate-cycle-time/#:~textCycle%20time%20%3D%20Average%20time%20between,is%2024%20minutes%20on%20average。 因此周期时间单位完成之间的平均时间。 网站上的例子考虑一个制造厂它每40小时生产100个产品。平均吞吐率为每0.4小时1台即每24分钟1台。因此周期时间平均为24分钟。输入参数         log–log对象         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性返回类型         float 示例代码 import pm4pycycle_time pm4py.get_cycle_time(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp)2.14 统计案例的持续时间 pm4py.stats.get_all_case_durations(log: EventLog | DataFrame, business_hours: bool False, business_hour_slots[(25200, 61200), (111600, 147600), (198000, 234000), (284400, 320400), (370800, 406800)], activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → List[float] 说明获取事件日志中事例的持续时间输入参数         log–事件日志         business_hoursbool–启用/禁用基于营业时间的计算默认值False         business_hour_slots–公司的工作时间表以元组列表的形式提供其中每个元组表示一个工作时间段。一个槽即一个元组由一个开始时间和一个结束时间组成以秒为单位从周开始例如[7*60*6017*60*60]247*60*60%2412*⁶⁰⁶⁰²⁴⁄₁₃*60*602417*60*50]这意味着营业时间为周一07:00-17:00周二07:00-12:00和13:00-17:00         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性返回类型         List[float] 示例代码 import pm4pycase_durations pm4py.get_all_case_durations(dataframe, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.15 统计特定案例的持续时间 pm4py.stats.get_case_duration(log: EventLog | DataFrame, case_id: str, business_hours: bool False, business_hour_slots[(25200, 61200), (111600, 147600), (198000, 234000), (284400, 320400), (370800, 406800)], activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str | None None) → float 说明获取事件日志中特定事例的持续时间输入参数         log–事件日志         business_hoursbool–启用/禁用基于营业时间的计算默认值False         business_hour_slots–公司的工作时间表以元组列表的形式提供其中每个元组表示一个工作时间段。一个槽即一个元组由一个开始时间和一个结束时间组成以秒为单位从周开始例如[7*60*6017*60*60]247*60*60%2412*⁶⁰⁶⁰²⁴⁄₁₃*60*602417*60*50]这意味着营业时间为周一07:00-17:00周二07:00-12:00和13:00-17:00         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性返回类型         List[float] 示例代码 import pm4pyduration pm4py.get_case_duration(dataframe, case 1, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.16 统计活动位置次数 pm4py.stats.get_activity_position_summary(log: EventLog | DataFrame, activity: str, activity_key: str concept:name, timestamp_key: str time:timestamp, case_id_key: str case:concept:name) → Dict[int, int] 说明给定一个事件日志返回一个字典其中总结了活动在事件日志的不同情况下的位置。例如如果一个活动在位置1发生1000次案例的第二个事件在位置2发生500次案件的第三个事件时则返回的字典为{¹⁄₁₀₀₀₂:500}输入参数         log–事件日志对象/Pandas数据帧         activitystr–要考虑的活动         activity_keystr–要用于活动的属性         timestamp_keystr–用于时间戳的属性         case_id_keystr–要用作案例标识符的属性返回类型         Dict[int, int] 示例代码 import pm4pyact_pos pm4py.get_activity_position_summary(dataframe, Act. A, activity_keyconcept:name, case_id_keycase:concept:name, timestamp_keytime:timestamp) 2.17 获取随机语言 pm4py.stats.get_stochastic_language(*args, **kwargs) → Dict[List[str], float] 说明从提供的日志对象中获取随机语言输入参数         args–Pandas数据帧/事件日志/接受Petri网/过程树         kwargs–关键字参数 返回类型         Dict[List[str], float] 示例代码 import pm4pylog pm4py.read_xes(tests/input_data/running-example.xes) language_log pm4py.get_stochastic_language(log) print(language_log) net, im, fm pm4py.read_pnml(tests/input_data/running-example.pnml) language_model pm4py.get_stochastic_language(net, im, fm) print(language_model) 如需了解更多欢迎加入流程挖掘交流群QQ:671290481.