要按分组对每一行应用函数并创建新列，可以使用groupby()函数和apply()函数来实现。

下面是一个示例代码，假设有一个数据集df，包含了学生的姓名、班级和成绩。我们想要按班级分组，并计算每个班级的平均成绩，然后创建一个新列"平均成绩"来存储计算结果。

import pandas as pd

# 创建示例数据集
data = {'姓名': ['张三', '李四', '王五', '赵六', '刘七'],
        '班级': ['A', 'B', 'A', 'B', 'A'],
        '成绩': [80, 75, 90, 85, 95]}

df = pd.DataFrame(data)

# 按班级分组，并应用函数计算平均成绩
df['平均成绩'] = df.groupby('班级')['成绩'].apply(lambda x: x.mean())

print(df)

输出结果如下：

  姓名 班级  成绩  平均成绩
0  张三  A  80  88.333333
1  李四  B  75  80.000000
2  王五  A  90  88.333333
3  赵六  B  85  80.000000
4  刘七  A  95  88.333333

在上面的代码中，我们首先导入pandas库。然后，创建了一个包含学生姓名、班级和成绩的字典data，并使用该字典创建了一个数据框df。

接下来，我们使用groupby()函数按班级分组，并使用apply()函数来应用lambda函数来计算每个班级的平均成绩。lambda x: x.mean()是一个匿名函数，用于计算每个分组的平均值。

最后，我们通过将计算结果赋值给新列"平均成绩"来创建一个新列。

通过运行以上代码，我们可以得到按分组计算的每个班级的平均成绩，并将结果存储在新列中。