假设我们有一个数据集，其中包含名字、组别、时间和数量四列数据。我们需要按组逐行求和，但仅针对时间大于等于10的行进行求和。

可以使用groupby和apply函数来实现它：

import pandas as pd

# 创建样例数据
data = {'姓名': ['张三', '李四', '王五', '赵六', '小红', '小明'],
        '组别': ['A', 'B', 'A', 'A', 'B', 'B'],
        '时间': [8, 12, 14, 9, 11, 10],
        '数量': [2, 3, 5, 1, 4, 2]
        }
df = pd.DataFrame(data)

# 定义计算函数，用于组内求和
def group_sum(df_group):
    if (df_group['时间'] >= 10).all():  # 仅对时间 >= 10的行求和
        return pd.Series({'数量总和': df_group['数量'].sum()})
    else:
        return pd.Series({'数量总和': 0})

# 按组逐行求和并带有条件
result = df.groupby('组别').apply(group_sum)

print(result)

输出：

   数量总和
组别       
A      5
B      7

其中，groupby()函数按照组别进行分组，然后apply()函数对每个组应用group_sum()函数，得到每个组的总和。在group_sum()函数中，使用了条件判断语句来筛选符合条件的行，只有当时间都大于等于10时才进行求和，否则返回0。最后，使用pd.Series()函数将算出的总和转换为Series格式，方便最终输出结果集。