基于你在两个脚本中已经看到的行为，很容易理解这一点。pd.Series.cumsum()为每个组返回与列D相同长度的另一个序列，而你的lambda函数为每个组返回一个值，这导致返回的索引不同。
您所要做的就是使用另一个lambda函数来捕获每个组级别上的完整cumsum操作，这个lambda函数返回一个列表对象作为聚合，而不是一个系列输出作为转换。

t = {
    'D': lambda x: list(x.cumsum()),
    'C': lambda x: 4*np.sum(x)
    }

result = df2.groupby(['A','E']).agg(t)
result

D   C
A  E                   
A0 E0      [10, 22]   8
   E1      [11, 24]  16
A1 E0  [14, 30, 48]  72
   E1  [15, 32, 51]  84

这将返回由A列和E列组成的组级别的 Dataframe 。
但是，如果您希望 Dataframe 具有与原始 Dataframe 相同的索引，则只需explode新列D即可
一个二个一个一个

• • 编辑1：基于我的评论的其他信息**
• 简单地说，sum是一个聚合，为每个组返回一个值（float/int），而cumsum是一个转换，返回一个与输入行数相同的序列。
• cumsum基本上转换给定的输入序列（每组D列的行）并返回另一个序列。
• sum返回带有索引的序列作为答案中的第一个脚本，cumsum返回索引作为答案中的第二个脚本。当Pandas试图协调它们时，它会堆叠索引，因为它们不匹配。
• 例如，对于组（A1，E0）-〉cumsum，返回具有3个值[14，30，48]的序列，而sum返回值72的聚合
• • 编辑2：根据您的注解在groupby上使用transform进行编码**

如果你想避免使用lambda函数，正如我从你的评论中所理解的，你可以在groupby对象上使用transform方法，但是这不允许同时为不同的列传递多个转换作为一个dict，所以你仍然需要重新分配这些列。

grouper = df2.groupby(['A','E'])                #<- create grouper

df2['C_new'] = grouper['C'].transform('sum')    #<- use your lambda function here if you need
df2['D_new'] = grouper['D'].transform('cumsum') #<- transformation here
print(df2)

A   B  C   D   E  C_new  D_new
0  A0  B0  0  10  E0      2     10
1  A0  B1  1  11  E1      4     11
2  A0  B2  2  12  E0      2     22
3  A0  B3  3  13  E1      4     24
4  A1  B4  4  14  E0     18     14
5  A1  B5  5  15  E1     21     15
6  A1  B6  6  16  E0     18     30
7  A1  B7  7  17  E1     21     32
8  A1  B8  8  18  E0     18     48
9  A1  B9  9  19  E1     21     51