パンダでGroupbyをシフト

Question

私はアカウントごとに累積収益を計算しようとしています。

import pandas as pd 
data = { 
    'account_id': ['111','111','111','222','222','333','333','333','666','666'], 
    'company': ['initech','initech','initech','jackson steinem & co','jackson steinem & co','ingen','ingen','ingen','enron','enron'], 
    'cohort_period': [0,1,2,0,1,0,1,2,0,1], 
    'revenue':[3.67,9.95,9.95,193.29,299.95,83.03,499.95,99.95,1.52,19.95] 
} 
df = pd.DataFrame(data) 

出力：ここではいくつかのサンプルデータがある

基本的にこれを行う方法の例のトンがありますが、

In [17]: df 
Out[17]: 
    account_id cohort_period    company revenue 
0  111    0    initech  3.67 
1  111    1    initech  9.95 
2  111    2    initech  9.95 
3  222    0 jackson steinem & co 193.29 
4  222    1 jackson steinem & co 299.95 
5  333    0     ingen 83.03 
6  333    1     ingen 499.95 
7  333    2     ingen 99.95 
8  666    0     enron  1.52 
9  666    1     enron 19.95 

：

しかし

df['cumulative_revenue'] = df.groupby('account_id')['revenue'].cumsum() 

、ここではキャッチがあります。このデータでは、コホート期間0の収益は比例配分されていますが、これは分析目的では気にしません。私は例えばコホート期間1で累積和を開始することで、Initechの累積売上高はのようになります必要があります。ここでは

0 nan 
1 9.95 
2 19.90 

Answer 1

することは一つの方法です：

# check valid cohort_period 
valid_cohort = df.cohort_period.ne(0) 

# cumulative sum revenue where cohort_period is not equal to zero and mask otherwise as nan 
df['cum_revenue'] = valid_cohort.mul(df.revenue).groupby(df.account_id).cumsum().where(valid_cohort) 

print(df) 
# account_id cohort_period    company revenue cum_revenue 
#0  111    0    initech  3.67   NaN 
#1  111    1    initech  9.95   9.95 
#2  111    2    initech  9.95  19.90 
#3  222    0 jackson steinem & co 193.29   NaN 
#4  222    1 jackson steinem & co 299.95  299.95 
#5  333    0     ingen 83.03   NaN 
#6  333    1     ingen 499.95  499.95 
#7  333    2     ingen 99.95  599.90 
#8  666    0     enron  1.52   NaN 
#9  666    1     enron 19.95  19.95 

Answer 2

私が作成されます。新しい変数 '新規'

df['New']=df.revenue 
df.loc[df['cohort_period']==0,'New']=np.nan 
df['cumulative_revenue']=df.groupby('account_id')['New'].cumsum() 
df 
Out[63]: 
    account_id cohort_period    company revenue  New \ 
0  111    0    initech  3.67  NaN 
1  111    1    initech  9.95 9.95 
2  111    2    initech  9.95 9.95 
3  222    0 jackson steinem & co 193.29  NaN 
4  222    1 jackson steinem & co 299.95 299.95 
5  333    0     ingen 83.03  NaN 
6  333    1     ingen 499.95 499.95 
7  333    2     ingen 99.95 99.95 
8  666    0     enron  1.52  NaN 
9  666    1     enron 19.95 19.95 
    cumulative_revenue 
0     NaN 
1    9.95 
2    19.90 
3     NaN 
4    299.95 
5     NaN 
6    499.95 
7    599.90 
8     NaN 
9    19.95 

それともmask

df.groupby('account_id').apply(lambda x :x['revenue'].mask(x['cohort_period'].eq(0)).cumsum())