零基础搭建医院档案数字化收费标准计算系统

环境准备与依赖安装

在开始编写代码之前，需要确保本地计算机已经安装了Python环境。本系统基于Python 3.8开发，利用Pandas库进行数据处理和Excel文件的读写操作。请打开终端（CMD、PowerShell或Terminal），依次执行以下命令安装必要的依赖库：

```bash pip install pandas openpyxl ```

执行完毕后，若无报错信息，即代表环境准备就绪。接下来我们将直接构建核心计算逻辑。

定义核心费率配置

医院档案数字化收费通常由基础扫描费、图像处理费、OCR识别费和挂接服务费组成。为了方便后续维护和调整，我们采用字典结构来配置不同类型档案的单价。请在项目根目录下创建一个名为config.py的文件，并输入以下代码：

```python config.py 档案类型对应的单页扫描基础单价（单位：元） SCAN_RATES = { "病历档案": 0.15, "检查报告": 0.10, "影像胶片": 0.50, "行政文书": 0.08, "科研档案": 0.12 } 附加服务单价配置 EXTRA_RATES = { "ocr_per_page": 0.05, OCR识别每页单价 "binding_per_bag": 2.00, 重新装订每袋单价 "pdf_conversion": 0.02 转PDF每页单价 } 基础服务费（每次项目的最低启动费用） BASE_SERVICE_FEE = 100.00 ```

上述配置文件将业务规则与技术代码分离，当医院调整收费标准时，只需修改此文件，无需改动主程序逻辑。

编写计算引擎核心代码

创建主程序文件calculator.py。该文件将包含读取Excel数据、应用费率逻辑、计算总价并导出结果的所有功能。以下是完整的代码实现：

```python calculator.py import pandas as pd import config def calculate_row(row): """ 根据单行数据计算费用 """ archive_type = row['档案类型'] pages = row['页数/张数'] needs_ocr = row['是否OCR'] 值应为 '是' 或 '否' needs_binding = row['是否装订'] 值应为 '是' 或 '否' 1. 获取基础扫描费，处理未知档案类型 base_rate = config.SCAN_RATES.get(archive_type, 0) scan_cost = pages base_rate 2. 计算OCR费用 ocr_cost = 0 if str(needs_ocr).strip() == '是': ocr_cost = pages config.EXTRA_RATES['ocr_per_page'] 3. 计算装订费用 (假设每袋/卷对应一行数据，若需特殊逻辑可在此修改) binding_cost = 0 if str(needs_binding).strip() == '是': binding_cost = config.EXTRA_RATES['binding_per_bag'] 4. PDF转换费用 (默认开启) pdf_cost = pages config.EXTRA_RATES['pdf_conversion'] 5. 汇总单行总费用 total_row_cost = scan_cost + ocr_cost + binding_cost + pdf_cost return { "基础扫描费": round(scan_cost, 2), "OCR识别费": round(ocr_cost, 2), "装订费": round(binding_cost, 2), "PDF转换费": round(pdf_cost, 2), "单项合计": round(total_row_cost, 2) } def process_excel(input_file, output_file): try: 读取Excel文件 df = pd.read_excel(input_file) 检查必要列是否存在 required_columns = ['档案类型', '页数/张数', '是否OCR', '是否装订'] for col in required_columns: if col not in df.columns: raise ValueError(f"Excel模板缺少必要列: {col}") 初始化结果列 result_columns = ["基础扫描费", "OCR识别费", "装订费", "PDF转换费", "单项合计"] for col in result_columns: df[col] = 0.0 遍历每一行进行计算 使用列表推导式提高处理大数据量时的效率 calculations = [calculate_row(row) for index, row in df.iterrows()] 将计算结果合并回DataFrame result_df = pd.DataFrame(calculations) for col in result_columns: df[col] = result_df[col] 计算项目总金额 grand_total = df['单项合计'].sum() final_total = grand_total + config.BASE_SERVICE_FEE 添加汇总行 summary_data = {col: "" for col in df.columns} summary_data['档案类型'] = "项目总计（含基础服务费）" summary_data['单项合计'] = round(final_total, 2) 使用pd.concat追加汇总行 summary_df = pd.DataFrame([summary_data]) final_output_df = pd.concat([df, summary_df], ignore_index=True) 导出结果 final_output_df.to_excel(output_file, index=False) print(f"计算完成！结果已保存至: {output_file}") print(f"项目总金额: {round(final_total, 2)} 元") except FileNotFoundError: print(f"错误：找不到输入文件 {input_file}") except Exception as e: print(f"计算过程中发生错误: {str(e)}") if __name__ == "__main__": input_filename = "hospital_data_input.xlsx" output_filename = "hospital_bill_output.xlsx" process_excel(input_filename, output_filename) ```

准备Excel数据模板

为了让程序能够正确运行，需要准备一个名为hospital_data_input.xlsx的Excel文件作为输入数据。请确保该文件与calculator.py在同一目录下，并且第一行的表头（列名）严格与以下列表一致：

• 档案类型：文本类型，可选值为“病历档案”、“检查报告”、“影像胶片”、“行政文书”、“科研档案”。
• 页数/张数：数字类型，填写需要数字化的具体页数。
• 是否OCR：文本类型，填写“是”或“否”。
• 是否装订：文本类型，填写“是”或“否”。

以下是Excel表格的具体数据示例，你可以直接复制到Excel中：

档案类型	页数/张数	是否OCR	是否装订
病历档案	50	是	是
检查报告	10	否	否
影像胶片	2	是	否
行政文书	120	是	是

执行计算与结果验证

完成数据准备后，在终端中运行主程序：

```bash python calculator.py ```

程序运行成功后，会在当前目录下生成hospital_bill_output.xlsx文件。打开该文件，你将看到原始数据后方新增了5列费用明细，并在表格最后一行显示了项目总计（含基础服务费）。

让我们手动验证一下第一行数据（病历档案，50页，OCR是，装订是）的计算逻辑是否正确：

• 基础扫描费：50页 × 0.15元/页 = 7.50元
• OCR识别费：50页 × 0.05元/页 = 2.50元
• 装订费：1袋 × 2.00元/袋 = 2.00元
• PDF转换费：50页 × 0.02元/页 = 1.00元
• 单项合计：7.50 + 2.50 + 2.00 + 1.00 = 13.00元

如果Excel输出文件中第一行的“单项合计”显示为13.00，则证明系统运行逻辑完全正确。你可以通过修改config.py中的费率来适配不同医院或不同年份的数字化项目需求，无需修改任何核心代码。