Python：将cumsum和product应用于pandas groupby

我有一个包含LTD和CycleCount列的熊猫数据框架，需要像这样填充CycleSum列：

LTD         CycleCount    CycleSum
1/1/2017    1             1
1/1/2017    1             1
2/1/2017    0             1
2/1/2017    0             1
3/1/2017    1             2
3/1/2017    1             2
4/1/2017    1             3
4/1/2017    1             3

我试着做：

df['CycleSum']=df.groupby('LTD')['CycleCount'].prod()

要在CycleCount中获得具有1/0值的unique LTD，这是我的第一步，因为我得到了一个组：

LTD         CycleCount
1/1/2017    1
2/1/2017    0
3/1/2017    1
4/1/2017    1

但我找不到一种方法，如何在这个组上生成一个累积和，然后将其转换回原始数据帧

CycleCount只能为1或0，且每个有限公司的CycleCount相同。但对于CycleCount=1的任何不同有限公司，CycleSum必须增加 在Excel中很容易做到，但在Python中很难实现

有什么建议吗？一次行动的目的

---

PS我以前是VBA开发人员，可能这是一个noob案例，但要摆脱Excel逻辑是非常困难的。

执行

groupby

+

prod

然后执行

cumsum

然后加入

df.join(df.groupby('LTD').CycleCount.prod().cumsum().rename('CycleSum'), on='LTD')

         LTD  CycleCount  CycleSum
0 2017-01-01           1         1
1 2017-01-01           1         1
2 2017-02-01           0         1
3 2017-02-01           0         1
4 2017-03-01           1         2
5 2017-03-01           1         2
6 2017-04-01           1         3
7 2017-04-01           1         3


这些也会产生同样的结果

df.join(df.groupby('LTD').CycleCount.all().cumsum().rename('CycleSum'), on='LTD')
df.join(df.groupby('LTD').CycleCount.max().cumsum().rename('CycleSum'), on='LTD')

         LTD  CycleCount  CycleSum
0 2017-01-01           1         1
1 2017-01-01           1         1
2 2017-02-01           0         1
3 2017-02-01           0         1
4 2017-03-01           1         2
5 2017-03-01           1         2
6 2017-04-01           1         3
7 2017-04-01           1         3

非常感谢。这正是我要找的！