按公司分组生成total_amount列时，df.cumsum()报ValueError与KeyError

看起来你遇到的问题其实挺常见的，咱们一步步拆解原因和解决办法：

问题根源分析 #

你最初的代码df['total_amount'] = df.groupby('company').cumsum()暂时有效，大概率是因为当时你的数据框只有amount这一个数值型列——此时groupby('company').cumsum()会返回一个仅包含amount累计值的Series，刚好可以直接赋值给新列total_amount。

但调整代码位置后出现两个错误：

1. KeyError: "total_amount"：说明你在创建total_amount列之前，就有代码尝试去读取这个还不存在的列了，代码执行顺序搞反了。
2. ValueError: Wrong number of items passed, placement implies 1：这是因为调整代码后，你的数据框可能新增了其他数值型列（或者你之前没注意到已有其他数值列），此时groupby('company').cumsum()会对所有数值列计算累计和，返回的是一个多列的DataFrame，而你试图把整个DataFrame赋值给一个单列，自然就会报错。

正确的解决方案 #

1. 修正代码执行顺序 #

先执行创建total_amount的代码，再执行任何需要用到这个列的后续逻辑，彻底避免KeyError。

2. 精准指定累计求和的列 #

不要直接对整个分组后的DataFrame做cumsum()，而是明确指定只对amount列计算分组累计和：

df['total_amount'] = df.groupby('company')['amount'].cumsum()

这样不管你的数据框里有多少其他数值列，都会只针对amount列计算分组内的累计和，返回的是一个单列Series，刚好可以赋值给新列total_amount。

验证效果 #

用你给出的示例数据测试，执行上述代码后，就能得到你期望的结果：

额外提示 #

如果后续还要对total_amount列做操作，记得确认它的数值类型是否正确（比如是否为int/float），避免出现意外的类型错误。

内容的提问来源于stack exchange，提问作者tawny_burrito