# В данных о заказах и расходах выделим из дат столбцы с информацией о месяце.
orders['order_month'] = orders['buy_ts'].astype('datetime64[M]')
costs['month'] = costs['dt'].astype('datetime64[M]')

# Выделим в данных о заказах помесячные когорты покупателей
# Выделим месяц первой покупки каждого покупателя
first_orders = orders.groupby('uid').agg({'order_month': 'min'}).reset_index()
first_orders.columns = ['uid', 'first_order_month']

# добавим в данные месяц первой покупки в первоначальную таблицу с заказами
orders_new = pd.merge(orders,first_orders, on='uid')
# Посчитаем количество новых покупателей каждый месяц
cohort_sizes = first_orders.groupby('first_order_month').agg({'uid': 'nunique'}).reset_index()
cohort_sizes.columns = ['first_order_month', 'buyers_nmb']
# посчитаем выручку по когортам
cohorts = orders_new.groupby(['first_order_month','order_month']).agg({'revenue': 'sum'}).reset_index()
# добавим в таблицу с выручкой по когортам данные о размере когорт, т.е. о ежемесячном количестве новых покупателей
report = pd.merge(cohort_sizes, cohorts, on='first_order_month')
margin_rate = 0.5
report['gross_profit'] = report['revenue'] * margin_rate

# добавим данные о сроке жизни когорты на каждый месяц заказа
report['age'] = (report['order_month'] - report['first_order_month']) / np.timedelta64(1, 'M')
report['age'] = report['age'].round().astype('int')
# оставим в столбце с когортами только год и месяц
report['first_order_month'] =report['first_order_month'].dt.strftime('%Y.%m')
report['ltv'] = report['gross_profit'] / report['buyers_nmb']

output = report.pivot_table(index='first_order_month', columns='age', values='ltv', aggfunc='mean')

plt.figure(figsize=(13, 9))

plt.title('LTV когорт по месяцам')
ax = sns.heatmap(output, annot=True, fmt='.2f', linewidths=1, linecolor='gray')
ax.set_ylabel('Месяц когорты')
ax.set_xlabel('Месяц жизни когорты')
plt.show()