Calcul de la somme cumulative pour la période précédente dans chaque cohorte de pandas, python

Question

Je suis novice chez les pandas et j'essaie de construire une analyse de cohorte. J'ai besoin d'une colonne contenant la somme cumulative des valeurs pour les périodes précédentes pour cette cohorte. Par exemple, pour ce cadre de données

 
             Canceled 
CohortGroup NewCustomers CancelPeriod        
2016-05  75   2016-07     2  
         2016-08     5  
         2016-09     6  
         2016-10     7  
         2016-11     6  
         2016-12     2  
         2017-01     5    
         2017-02     6    
         2017-03     1    
         2017-04     5    
         2017-05     6    
         2017-06     1   
2016-06  81   2016-07     1    
         2016-08     3   
         2016-09     4    
         2016-10     1   
         2016-11     6    
         2016-12     2    
         2017-01     5    
         2017-02     3    
         2017-03     3    
         2017-04     4    
         2017-05     4    
         2017-06     4    
2016-07  139   2016-07     1    
         2016-08     6    
         2016-09     4   
         2016-10     8   
         2016-11     13   
         2016-12     5    

Je veux voir la sortie comme ceci:

 
             CanceledCustomers  TotalCancCust  
CohortGroup NewCustomers CancelPeriod        
2016-05  75   2016-07     2    2 
         2016-08     5    7 
         2016-09     6    13 
         2016-10     7    19 
         2016-11     6    25 
         2016-12     2    27 
         2017-01     5    32 
         2017-02     6    38 
         2017-03     1    39 
         2017-04     5    44 
         2017-05     6    50 
         2017-06     1    51 
2016-06  81   2016-07     1    1 
         2016-08     3    4 
         2016-09     4    8 
         2016-10     1    9 
         2016-11     6    15 
         2016-12     2    17 
         2017-01     5    22 
         2017-02     3    25 
         2017-03     3    28 
         2017-04     4    32 
         2017-05     4    36 
         2017-06     4    40 
2016-07  139   2016-07     1    1 
         2016-08     6    7 
         2016-09     4    11 
         2016-10     8    19 
         2016-11     13    32 
         2016-12     5    37 

Comment puis-je faire?

Answer 1

Je pense que vous avez besoin groupby + cumsum:

#by first level 
df['TotalCancCust'] = df.groupby(level=0)['CanceledCustomers'].cumsum() 
#by level with name CohortGroup 
df['TotalCancCust'] = df.groupby(level='CohortGroup')['CanceledCustomers'].cumsum() 

#in last version of pandas (0.20.0+) level can be omit 
df['TotalCancCust'] = df.groupby('CohortGroup')['CanceledCustomers'].cumsum() 

---

print (df) 
             CanceledCustomers TotalCancCust 
CohortGroup NewCustomers CancelPeriod         
2016-05  75   2016-07      2    2 
         2016-08      5    7 
         2016-09      6    13 
         2016-10      7    20 
         2016-11      6    26 
         2016-12      2    28 
         2017-01      5    33 
         2017-02      6    39 
         2017-03      1    40 
         2017-04      5    45 
         2017-05      6    51 
         2017-06      1    52 
2016-06  81   2016-07      1    1 
         2016-08      3    4 
         2016-09      4    8 
         2016-10      1    9 
         2016-11      6    15 
         2016-12      2    17 
         2017-01      5    22 
         2017-02      3    25 
         2017-03      3    28 
         2017-04      4    32 
         2017-05      4    36 
         2017-06      4    40 
2016-07  139   2016-07      1    1 
         2016-08      6    7 
         2016-09      4    11 
         2016-10      8    19 
         2016-11      13    32 
         2016-12      5    37 

Answer 2

d'abord remplir avant votre dataframe et ne GroupBy

df = df.fillna(method='ffill') 
df['TotalCancCust'] = df.groupby(['CohortGroup'])['CanceledCustomers'].cumsum()