以下是一个示例代码，演示如何按照分组和条件进行数据统计：

import pandas as pd

# 创建一个示例数据集
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Age': [20, 25, 30, 35, 40, 45],
        'Gender': ['Male', 'Male', 'Male', 'Female', 'Female', 'Female'],
        'Salary': [5000, 6000, 7000, 8000, 9000, 10000]}
df = pd.DataFrame(data)

# 按照性别分组，并计算每个组的平均工资
grouped_gender = df.groupby('Gender')
average_salary_by_gender = grouped_gender['Salary'].mean()
print(average_salary_by_gender)

# 按照年龄分组，并计算每个组的人数
age_groups = pd.cut(df['Age'], bins=[0, 30, 40, 50])
grouped_age = df.groupby(age_groups)
count_by_age_group = grouped_age.size()
print(count_by_age_group)

# 根据多个条件同时分组，并计算每个组的总工资
grouped_multiple = df.groupby(['Gender', age_groups])
total_salary_by_group = grouped_multiple['Salary'].sum()
print(total_salary_by_group)

这段代码使用了pandas库来进行数据统计。首先创建一个示例数据集，包含姓名、年龄、性别和工资信息。然后使用groupby()函数按照指定的分组条件进行分组，再使用相应的聚合函数（如mean()、size()、sum()等）来计算统计结果。

示例中的第一个统计目标是按照性别分组，并计算每个组的平均工资。代码中使用groupby('Gender')将数据按照性别分组，然后使用mean()函数计算每个组的平均工资。

第二个统计目标是按照年龄分组，并计算每个组的人数。代码中使用pd.cut()函数将年龄信息分成三个组（0-30、30-40和40-50），然后使用groupby()函数按照这个分组条件进行分组，再使用size()函数计算每个组的人数。

最后一个统计目标是根据多个条件同时分组，并计算每个组的总工资。代码中使用groupby(['Gender', age_groups])将数据按照性别和年龄组合分组，然后使用sum()函数计算每个组的总工资。

这只是一个简单的示例，你可以根据你的具体需求和数据结构进行相应的修改和扩展。