用pandas做漏斗分析的核心是确保每步用户集为前序步骤的子集，否则转化率虚高；需按业务路径顺序定义funnel_steps，通过集合交集逐步缩小用户群，并以留存用户为分母计算转化率。
直接结论：用 pandas 做漏斗分析，核心不是“写多复杂”，而是确保每一步的用户集合是前序步骤的子集——否则转化率会虚高。
为什么 funnel_steps 顺序必须严格对应业务逻辑
漏斗不是按事件发生时间排的，而是按用户完成路径的「预期顺序」定义的。比如电商场景必须是 ['impression', 'click', 'add_to_cart', 'order', 'pay']，不能把 'pay' 放前面，也不能跳步（如直接从 'impression' 到 'order' 不算有效路径）。
常见错误现象：funnel_result['order'] 比 funnel_result['click'] 还大——说明你没做交集，只是分别统计了各事件的独立用户数。
- 正确做法：从第一步开始，用
&操作符持续缩小用户集合 - 错误做法：对每个
event单独df[df['event']==step]['user_id'].nunique() - 性能影响：用
set交集比多次groupby+isin快 3–5 倍（尤其在百万级用户时）
groupby('user_id').apply() 是还原路径的前提
原始日志是扁平的事件流，一个用户可能有几十条记录。不做路径还原就直接漏斗，等于默认“只要用户干过某件事，就算走完了前面所有环节”——这显然不对。
立即学习“Python免费学习笔记（深入）”；
使用场景：你要判断“U123 是否完成了 click → add_to_cart → order”，就必须先确认这三件事是同一个用户、且时间上有序发生。
- 先排序：
df.sort_values(['user_id', 'event_time'])，否则apply里无法判断先后 - 再聚合：
df.groupby('user_id')['event'].apply(list)得到每个用户的完整行为序列 - 关键点：不是所有用户都按顺序走完，得用
next((i for i, x in enumerate(seq) if x == step), None)找首次出现位置，再比对索引关系
转化率计算必须用「上一步留存用户」作分母
很多初学者直接用原始总用户数（比如 10000）当所有步骤的分母，结果得到的“支付转化率”是 4.86%，而实际应是 486 / 608 ≈ 80%——因为只有下单用户才可能去支付。
参数差异：funnel_steps[0] 的分母是全部参与该步的用户；从 i=1 开始，分母必须是 funnel_result[funnel_steps[i-1]]。
- 示例代码片段：
for i, step in enumerate(funnel_steps): if i == 0: current_users = set(df[df['event'] == step]['user_id']) else: next_step_users = set(df[df['event'] == step]['user_id']) current_users = current_users & next_step_users funnel_result[step] = len(current_users) if i > 0: prev_step = funnel_steps[i-1] rate = round(len(current_users) / funnel_result[prev_step] * 100, 2) print(f"{prev_step} → {step}: {rate}%") - 容易踩的坑：没处理
current_users为空的情况，导致除零错误 - 兼容性注意：Pandas 2.0+ 中
set.intersection()比&更明确，但语法稍长
真正难的不是写这几行代码，而是确认你的 user_id 是稳定标识——如果登录态丢失、设备 ID 混用、或埋点未打全，漏斗数字再好看也没意义。别急着画图，先花 20 分钟检查三条日志：同一个 user_id 是否真能串起完整路径。
