如何处理Pandas透视表：新增累加列并计算层级转化占比？

假设你已经生成了透视表table，先移除透视表的All汇总行（如果不需要的话）：

# 移除margins生成的All行
table = table.drop('All')

步骤1：计算反向累加值 #

我们需要从右往左对列进行累加，得到各层级的总用户数：

# 从右到左累加，再反转回原列顺序
cum_table = table.iloc[:, ::-1].cumsum(axis=1).iloc[:, ::-1]

这一步会生成如下累加表：

步骤2：计算转化百分比 #

基于累加表计算各层级的转化占比，最后格式化为百分比字符串：

# 计算转化占比
conversion = pd.DataFrame()
conversion['Level 1'] = '100%'
conversion['Level 2'] = (cum_table['Level 2'] / cum_table['Level 1']).apply(lambda x: f"{round(x*100)}%")
conversion['Level 3'] = (cum_table['Level 3'] / cum_table['Level 2']).apply(lambda x: f"{round(x*100)}%")

# 保持原索引（Groups）
conversion.index = table.index

最终得到的结果就是你期望的目标表：

简化版代码 #

如果想一步完成，可以把逻辑合并：

# 移除All行
table = table.drop('All')
# 计算反向累加
cum_table = table.iloc[:, ::-1].cumsum(axis=1).iloc[:, ::-1]
# 生成转化表
conversion_table = pd.DataFrame({
    'Level 1': '100%',
    'Level 2': (cum_table['Level 2'] / cum_table['Level 1']).map(lambda x: f"{round(x*100)}%"),
    'Level 3': (cum_table['Level 3'] / cum_table['Level 2']).map(lambda x: f"{round(x*100)}%")
}, index=table.index)

内容的提问来源于stack exchange，提问作者As3adTintin