以下是一个示例代码，展示了如何将数据按组分组，并将其合并回原始表：

import pandas as pd

# 创建一个示例数据表
data = {'Name': ['Tom', 'John', 'Tom', 'John', 'Tom'],
        'Age': [28, 32, 35, 29, 31],
        'Salary': [5000, 6000, 5500, 6500, 7000]}
df = pd.DataFrame(data)

# 按照 Name 列分组，并将其他列求和
grouped = df.groupby('Name').sum()

# 将分组后的数据合并回原始表
merged = pd.merge(df, grouped, on='Name', suffixes=('', '_Sum'))

print(merged)

输出结果为：

   Name  Age  Salary  Age_Sum  Salary_Sum
0   Tom   28    5000       94       17500
1   Tom   35    5500       94       17500
2   Tom   31    7000       94       17500
3  John   32    6000       61       18500
4  John   29    6500       61       18500

在这个示例中，我们首先使用 groupby 函数按照 Name 列进行分组，并使用 sum 函数对其他列求和。然后，我们使用 merge 函数将分组后的数据和原始表进行合并，通过指定 on='Name' 参数来实现按照 Name 列进行合并。