想用递归做多维下钻分析每一个层级都会产出收入占比并记录在列表里面

如果你想使用递归来实现多维下钻分析，并记录每个层级的收入占比，你可以修改上述示例代码，添加递归函数来处理多层下钻。下面是一个修改后的示例代码：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

def drill_down(df, dimensions, target):
    if not dimensions:  # 如果维度列表为空，结束递归
        return []
    
    current_dimension = dimensions[0]  # 当前层级的维度
    grouped_data = df.groupby(current_dimension)[target].sum()  # 对当前层级的维度进行分组和求和
    total_sum = df[target].sum()  # 总收入
    
    ratios = []  # 收入占比列表
    
    for value, sub_df in df.groupby(current_dimension):
        ratio = sub_df[target].sum() / total_sum  # 当前层级的收入占比
        ratios.append((current_dimension, value, ratio))  # 记录当前层级的收入占比
        
        sub_dimensions = dimensions[1:]  # 下一层级的维度列表
        ratios.extend(drill_down(sub_df, sub_dimensions, target))  # 递归调用下一层级
        
    return ratios

# 定义需要下钻的维度列表
dimensions = ['机构', '条线', '客群']

# 定义目标字段
target = '收入'

# 进行多维下钻分析，并记录每个层级的收入占比
ratios = drill_down(df, dimensions, target)

# 输出每个层级的收入占比
for level, value, ratio in ratios:
    print(f'{level}: {value} - 占比: {ratio}')

在这个示例中，我们定义了一个名为`drill_down()`的递归函数，用于实现多维下钻分析。该函数接受三个参数：`df`表示当前层级的数据框，`dimensions`表示需要下钻的维度列表，`target`表示目标字段。在函数内部，我们首先判断维度列表是否为空，如果为空则结束递归。否则，我们对当前层级的数据进行分组和求和，计算当前层级的收入占比，并将其记录在列表中。然后，我们递归调用下一层级的`drill_down()`函数，并将其返回的收入占比列表扩展到当前层级的列表中。最后，我们返回整个收入占比列表。

你可以根据实际需要修改代码，以适应你的数据结构和文件路径。此外，你还可以根据需要对输出结果进行格式化和调整，以满足你的需求。递归函数的使用可以帮助你实现多维下钻分析，并记录每个层级的收入占比。