在Spark/Scala中，可以按照聚合条件进行分组的解决方法如下所示：

import org.apache.spark.sql.SparkSession

object GroupByAggregationExample {
  def main(args: Array[String]): Unit = {
    // 创建SparkSession
    val spark = SparkSession.builder()
      .appName("GroupByAggregationExample")
      .getOrCreate()

    // 导入隐式转换
    import spark.implicits._

    // 创建示例数据集
    val data = Seq(
      ("A", 10),
      ("B", 15),
      ("A", 20),
      ("B", 25),
      ("A", 30)
    )

    // 将数据集转换为DataFrame
    val df = data.toDF("key", "value")

    // 按照 key 列进行分组，并计算每个分组的总和
    val result = df.groupBy("key")
      .agg(sum("value").alias("sum"))

    // 显示结果
    result.show()

    // 停止SparkSession
    spark.stop()
  }
}

在上述示例中，我们首先创建了一个SparkSession对象。然后，我们导入了隐式转换，将data数据集转换为DataFrame。接下来，我们使用groupBy和agg函数按照key列进行分组，并计算每个分组的value列的总和。最后，我们通过show函数显示结果。最后，我们停止了SparkSession。

这是一个简单的示例，你可以根据自己的实际需求进行修改和扩展。