举例说明dataframe.groupby函数使用apply（lambda x:)后作为新的一列放入原来的dataframe里

要将 `groupby` 函数与 `apply(lambda x:)` 结果作为新的一列添加到原始 DataFrame 中，可以使用 `transform` 函数。下面是一个示例：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar'],
                   'B': [1, 2, 3, 4, 5, 6],
                   'C': [7, 8, 9, 10, 11, 12]})

# 使用 groupby 和 apply 结合，并将结果作为新的一列添加到原始 DataFrame
df['new_column'] = df.groupby('A')['B'].transform(lambda x: x.mean())

print(df)

以上示例中，我们创建了一个 DataFrame 对象 `df`，包含了列 `'A'`、`'B'` 和 `'C'`。

然后，我们使用 `groupby('A')` 对 DataFrame 进行分组，按列 `'A'` 进行分组。

接着，我们使用 `apply(lambda x: x.mean())` 对每个分组应用自定义的函数。这个函数的功能是计算每个分组中 `'B'` 列的平均值。

最后，我们通过 `transform` 函数将应用结果作为新的一列 `'new_column'` 添加到原始 DataFrame 中。

输出结果将是包含了新的一列 `'new_column'` 的原始 DataFrame：

     A  B   C  new_column
0  foo  1   7         3.0
1  bar  2   8         4.0
2  foo  3   9         3.0
3  bar  4  10         4.0
4  foo  5  11         3.0
5  bar  6  12         4.0

其中，新的一列 `'new_column'` 包含了每个分组中 `'B'` 列的平均值，并在每个相应的行上重复显示。