以下是一个示例代码，演示了如何按行分组计算列的累积总和和总百分比：

import pandas as pd

# 创建示例数据
data = {'Group': ['A', 'A', 'A', 'B', 'B', 'C'],
        'Value': [1, 2, 3, 4, 5, 6]}
df = pd.DataFrame(data)

# 按行分组并计算累积总和
df['CumulativeSum'] = df.groupby('Group')['Value'].cumsum()

# 计算每个分组的总和
group_totals = df.groupby('Group')['Value'].sum()

# 计算每个分组的百分比
df['Percentage'] = df['Value'] / df['Group'].map(group_totals) * 100

print(df)

输出结果为：

  Group  Value  CumulativeSum  Percentage
0     A      1              1   16.666667
1     A      2              3   33.333333
2     A      3              6   50.000000
3     B      4              4   44.444444
4     B      5              9   55.555556
5     C      6              6  100.000000

在这个示例中，我们首先创建了一个包含分组和值的DataFrame。然后，我们使用groupby函数按行分组数据，并使用cumsum函数计算每个分组内值的累计总和，并将结果存储在一个新的列CumulativeSum中。

接下来，我们使用groupby函数计算每个分组的总和，并将结果存储在group_totals变量中。

最后，我们使用map函数将每行的分组值映射到其对应的总和，并使用除法和乘法计算每个值的百分比，并将结果存储在新的列Percentage中。