可以使用Python中的pandas库来进行数据处理和统计。

首先，我们需要将数据加载到一个pandas的DataFrame中。假设数据已经包含客户名称和时间戳两列。

import pandas as pd

# 加载数据到DataFrame
data = pd.read_csv('data.csv')

# 将时间戳列转换为日期时间格式
data['timestamp'] = pd.to_datetime(data['timestamp'])

# 按照每4小时分组，并统计每个客户的出现次数
counts = data.groupby([pd.Grouper(key='timestamp', freq='4H'), 'customer']).size().reset_index(name='count')

# 打印结果
print(counts)

上述代码首先使用pd.read_csv()函数将数据加载到DataFrame中。然后，使用pd.to_datetime()函数将时间戳列转换为日期时间格式，这样我们就可以按照时间进行分组。

接下来，使用groupby()函数按照每4小时和客户名称进行分组，并使用size()函数统计每个分组中的数量。最后，使用reset_index()函数将结果重新设置索引，并将统计次数列重命名为'count'。

最后，使用print()函数打印结果。

请注意，上述代码中的'data.csv'应替换为你的数据文件路径。