在PySpark中，可以使用groupBy和withColumn方法来按照指定列进行分组并创建新列。

以下是一个示例代码：

# 导入必要的模块
from pyspark.sql import SparkSession
from pyspark.sql.functions import col

# 创建SparkSession对象
spark = SparkSession.builder.getOrCreate()

# 创建示例数据帧
data = [("Alice", 25, "A"),
        ("Bob", 30, "B"),
        ("Alice", 35, "A"),
        ("Bob", 40, "B")]

df = spark.createDataFrame(data, ["Name", "Age", "Group"])

# 按照指定列进行分组，并创建新列"Average Age"来计算每个组的平均年龄
df_with_avg_age = df.groupBy("Group").agg({"Age": "avg"}).withColumnRenamed("avg(Age)", "Average Age")

# 显示结果
df_with_avg_age.show()

运行以上代码，将会得到以下输出：

+-----+-----------+
|Group|Average Age|
+-----+-----------+
|    B|       35.0|
|    A|       30.0|
+-----+-----------+

在上面的代码中，我们使用groupBy方法按照"Group"列进行分组，并使用agg方法计算每个组的平均年龄。然后，使用withColumnRenamed方法为结果列重命名为"Average Age"。最后，使用show方法显示结果数据帧。