基于服务列值为Pandas DataFrame新增客户服务次数统计列

我之前处理过类似的医疗数据规整需求，这种把长格式单条服务数据转成宽格式客户服务次数统计的场景，用Python的Pandas或者Excel透视表都能高效解决，给你两种实用方案：

方案一：用Python Pandas处理（适合批量/自动化需求） #

这是最灵活的方式，适合需要重复处理或者数据量较大的情况：

1. 先导入Pandas并读取原始CSV文件：

   import pandas as pd
   # 替换成你的CSV文件路径和实际列名
   df = pd.read_csv('medical_services.csv')
   

2. 使用pivot_table生成按客户ID分组的服务次数统计：

   # 替换`ID_profile`为你的客户ID列名，`Service_Type`为服务类型列名
   stats_df = df.pivot_table(
       index='ID_profile',
       columns='Service_Type',
       aggfunc='size',  # 统计每个组合的行数（即服务次数）
       fill_value=0     # 把未接受的服务次数填充为0
   )
   

   如果你更喜欢用crosstab，效果是一样的：

   stats_df = pd.crosstab(df['ID_profile'], df['Service_Type'])
   

3. 把统计结果保存为新的CSV文件：

   stats_df.to_csv('customer_service_stats.csv')
   

方案二：用Excel透视表处理（适合非代码用户） #

如果你不想写代码，Excel的透视表完全能满足需求：

• 选中原始CSV里的所有数据区域（包含表头）
• 点击顶部菜单栏的「插入」→「数据透视表」，选择存放结果的位置
• 在右侧的透视表字段面板中：
  • 把ID_profile拖到「行」区域
  • 把服务类型列（比如Service_Type）拖到「列」区域
  • 再把服务类型列拖到「值」区域，然后点击值字段的下拉菜单，选择「值字段设置」→「计数」
• 最后把透视表的结果复制粘贴到新工作表，就是你需要的宽格式统计表格了（空白单元格可以手动替换为0）

注意事项 #

• 确保ID_profile是唯一标识每位客户的字段，没有格式不一致（比如大小写、空格）的问题，否则会导致统计重复
• 如果服务类型的取值非常多，生成的列会比较多，这是正常的，每个服务类型都会单独成为一列
• 如果原始数据中有缺失值，Pandas的fill_value=0会自动填充，Excel透视表需要手动处理空白值

内容的提问来源于stack exchange，提问作者EduardoG