要遍历Pandas透视表并计算新列，可以使用iterrows()方法来迭代透视表的行，并使用at或loc方法来访问和修改特定的列。

下面是一个示例代码，假设我们有一个名为df的数据框，其中包含以下列：Category，Year，Value。

import pandas as pd

# 创建一个示例数据框
data = {'Category': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B'],
        'Year': [2018, 2018, 2018, 2019, 2019, 2020, 2020, 2020],
        'Value': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)

# 创建透视表
pivot_table = df.pivot_table(index='Category', columns='Year', values='Value', aggfunc='sum')

# 遍历透视表并计算新列
for index, row in pivot_table.iterrows():
    # 计算新列的值
    new_column_value = row[2019] - row[2018]
    
    # 将新列的值添加到透视表中
    pivot_table.at[index, 'New Column'] = new_column_value

# 打印结果
print(pivot_table)

输出结果如下：

Year      2018   2019   2020  New Column
Category                              
A         30.0   50.0   60.0        20.0
B         70.0   40.0   80.0       -30.0

在这个示例中，我们首先使用pivot_table()函数创建了一个透视表。然后，我们使用iterrows()方法遍历透视表的行。对于每一行，我们计算了新列的值，并使用at方法将该值添加到透视表中。最后，我们打印了透视表的结果。

请注意，在遍历透视表时使用iterrows()方法可能会导致性能下降，特别是在处理大型数据集时。如果性能是一个问题，可以尝试使用其他方法，如apply()函数。