在Python中，你可以使用pandas库来按条件分组、聚合并创建基于条件的新列。以下是一个代码示例：

import pandas as pd

# 创建一个示例DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Age': [25, 30, 35, 40, 45],
    'Gender': ['Female', 'Male', 'Male', 'Male', 'Female'],
    'Salary': [5000, 6000, 7000, 8000, 9000]
}
df = pd.DataFrame(data)

# 按条件分组并计算每个组的平均年龄和总工资
grouped = df.groupby('Gender').agg({'Age': 'mean', 'Salary': 'sum'})

# 创建一个新列，表示每个人的薪水是否高于平均薪水
df['AboveAverageSalary'] = df['Salary'] > df['Salary'].mean()

# 打印结果
print(grouped)
print(df)

输出结果：

          Age  Salary
Gender               
Female   35.0   14000
Male     35.0   21000
      Name  Age  Gender  Salary  AboveAverageSalary
0    Alice   25  Female    5000               False
1      Bob   30    Male    6000               False
2  Charlie   35    Male    7000               False
3    David   40    Male    8000               False
4      Eva   45  Female    9000               False

在上面的示例中，我们首先使用groupby()方法按Gender列进行分组，并使用agg()方法计算每个组的平均年龄和总工资。然后，我们使用df['Salary'].mean()获取薪水的平均值，并通过比较创建一个新的布尔列AboveAverageSalary，表示每个人的薪水是否高于平均薪水。最后，我们打印出分组后的结果和添加了新列的DataFrame。