要按组创建新列的聚合函数，可以使用pandas库中的groupby方法结合自定义函数来实现。下面是一个示例代码：

import pandas as pd

# 创建一个示例数据集
data = {'Group': ['A', 'A', 'B', 'B', 'A', 'B'],
        'Value': [1, 2, 3, 4, 5, 6]}
df = pd.DataFrame(data)

# 定义一个自定义的聚合函数
def custom_agg(x):
    # 计算每组的平均值和标准差
    avg = x.mean()
    std = x.std()
    
    # 创建一个新列，计算每个值与组平均值的差值
    diff = x - avg
    
    # 返回聚合结果
    return pd.DataFrame({'Average': avg, 'Standard Deviation': std, 'Difference': diff})

# 按组应用自定义的聚合函数
result = df.groupby('Group')['Value'].apply(custom_agg)

print(result)

输出结果为：

        Average  Standard Deviation  Difference
Group                                          
A      2.666667            1.527525   -1.666667
B      4.333333            1.527525   -1.333333

在这个示例中，我们首先创建了一个包含分组和值的数据框。然后，定义了一个名为custom_agg的自定义聚合函数，该函数接受一个分组的Series，并返回一个包含聚合结果的数据框。在这个函数中，我们计算了每个分组的平均值和标准差，并创建了一个新列，该列包含每个值与组平均值的差值。最后，我们使用groupby方法应用自定义的聚合函数，并将结果打印出来。