你可以使用groupby()方法按列分组数据框，然后使用agg()方法对每个组进行聚合操作来创建一个带有分组数据的新数据框。

下面是一个示例代码：

import pandas as pd

# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Age': [20, 25, 30, 35, 40, 45],
        'City': ['New York', 'London', 'Paris', 'New York', 'London', 'Paris'],
        'Salary': [5000, 6000, 7000, 8000, 9000, 10000]}
df = pd.DataFrame(data)

# 按列 'City' 分组，并计算每个城市的平均年龄和工资
grouped_df = df.groupby('City').agg({'Age': 'mean', 'Salary': 'mean'}).reset_index()

# 打印结果
print(grouped_df)

输出结果：

       City   Age  Salary
0     London  32.5    7500
1      Paris  37.5    8500
2   New York  27.5    6500

在上面的示例中，我们首先创建了一个包含姓名、年龄、城市和工资的数据框。然后，我们使用groupby()方法按城市列进行分组。接下来，使用agg()方法对每个组进行聚合操作，计算平均年龄和工资。最后，使用reset_index()方法重置索引，并创建了一个新的数据框grouped_df。最后，我们打印了结果。