下面是一个示例代码，按照与其索引相关的值对numpy的3D数组元素进行分组：

import numpy as np

# 创建一个3D数组
arr = np.array([[[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9]],

                [[10, 11, 12],
                 [13, 14, 15],
                 [16, 17, 18]],

                [[19, 20, 21],
                 [22, 23, 24],
                 [25, 26, 27]]])

# 获取数组的形状
shape = arr.shape

# 创建一个与原数组形状相同的索引数组
indices = np.indices(shape)

# 按照索引数组的值对原数组进行分组
grouped = np.zeros(shape, dtype=np.object)
for i in range(shape[0]):
    for j in range(shape[1]):
        for k in range(shape[2]):
            index_value = indices[:, i, j, k]
            grouped[index_value[0], index_value[1], index_value[2]] = arr[i, j, k]

# 打印分组后的数组
print(grouped)

输出结果为：

[[[1 2 3]
  [4 5 6]
  [7 8 9]]

 [[10 11 12]
  [13 14 15]
  [16 17 18]]

 [[19 20 21]
  [22 23 24]
  [25 26 27]]]

在这个示例中，我们使用np.indices()函数创建了一个与原数组形状相同的索引数组indices。然后，我们使用for循环遍历原数组的每个元素，并将其根据索引值放入一个新的3D数组grouped中。最后，我们打印出了分组后的数组。