Excel技术需求：识别30天内重复ID行并统计患者疾病数量

嘿，针对你这个25000行的患者就诊Excel数据处理需求，我分两部分给你实用的解决方案——先搞定疾病数量统计，再处理30天内的重复就诊识别，都是适合大数据集的方法：

1. 整个队列的去重疾病总数 #

假设你的疾病ID列是DxID（比如在D列），直接用动态数组函数就能快速得到去重后的疾病数量：

=ROWS(UNIQUE(D2:D25001))

这里D2:D25001是你的数据区域（排除表头），如果你的Excel版本不支持动态数组，也可以用SUMPRODUCT(1/COUNTIF(D2:D25001,D2:D25001))，不过前者更直观高效。

2. 每位患者的独有疾病数量 #

有两种简单方法：

• 数据透视表法（最省心）：插入数据透视表，把ID拖到「行」区域，DxID拖到「值」区域，然后右键点击值区域的数字→「值字段设置」→选择「计数（去重复）」，就能直接看到每个患者对应的不同疾病数量。
• 函数法（灵活自定义）：先在空白列用=UNIQUE(A:A)（A列是ID列）得到所有唯一患者ID，然后在旁边列输入：

=COUNT(UNIQUE(FILTER(D:D,A:A=G2)))

这里G2是第一个唯一患者ID的单元格，下拉公式就能批量得到每个患者的疾病数。

你已经搞定了同一天的重复识别，现在处理30天内的，推荐两种方法：

1. 辅助列公式法（适合快速上手） #

假设ID在A列，DxID在D列，DxDate在E列，在F列插入辅助列，输入公式：

=IF(COUNTIFS(A:A,A2,D:D,D2,E:E,">="&E2-30,E:E,"<"&E2)>0,"30天内重复","")

下拉公式后，标记为「30天内重复」的行，就是同一患者同一疾病、且距当前就诊30天内有过就诊的记录。公式里的<E2确保不会把同一天的记录重复标记（你已经处理过同一天的了），如果需要包含同一天，改成<=E2即可。

⚠️ 注意：25000行数据用COUNTIFS可能会有点卡顿，要是出现明显延迟，优先用下面的Power Query方法。

2. Power Query法（高效处理大数据） #

Power Query对大数据集的处理远快于普通函数，步骤如下：

1. 选中你的数据区域，点击「数据」选项卡→「从表格/区域」（旧版Excel找「获取和转换数据」→「从表格」），加载到Power Query编辑器。
2. 点击「开始」选项卡→「分组依据」，分组列选ID和DxID，操作选「所有行」，新列名可以叫「就诊记录」。
3. 展开「就诊记录」列（点击列名旁边的小箭头），然后按ID、DxID、DxDate排序。
4. 添加自定义列：点击「添加列」→「自定义列」，输入公式：

= Duration.Days([DxDate] - List.Previous([DxDate]))

这个公式会计算当前行日期与同组上一行日期的天数差。
5. 添加标记列：再添加一个自定义列，输入：

= if [自定义列] <= 30 then "30天内重复" else null

6. 最后点击「关闭并上载」，就能得到标记好重复记录的数据集了。

• 确保DxDate列是真正的日期格式，如果是文本格式，先选中列→「数据」→「分列」→选择日期格式转换。
• 要是你需要删除这些30天内的重复记录，Power Query里筛选掉标记为「30天内重复」的行即可，比手动删除高效太多。

内容的提问来源于stack exchange，提问作者SCol