在Pandas中使用groupby模块，我们可以按照指定条件将数据分组，并对每个组进行聚合操作。在聚合后，我们可以根据所聚合的指标将其添加为新列。下面是使用groupby模块创建非层次化的列的几个步骤：
- 导入
pandas库和数据集
我们首先需要导入Python的pandas库，并载入一个数据集。比如我们可以使用以下代码载入名为sales.csv的数据集：
import pandas as pd
data = pd.read_csv("sales.csv")
- 使用
groupby方法创建分组对象
接下来，我们使用groupby方法根据需要分组，比如按照”Region”列进行分组：
grouped = data.groupby("Region")
- 对分组后的数据进行聚合操作
分组后，我们可以对所得到的每个组进行聚合操作，比如对其中的”Sales”值求和：
total_sales = grouped["Sales"].sum()
- 将聚合后的值添加为新列
最后，我们将聚合后的值添加为新列。比如将”total_sales”添加为”Region_Sales”列：
data["Region_Sales"] = grouped["Sales"].transform('sum')
当我们运行这段代码后，将得到一个新的数据集，其中每个地区的销售总额将以新的一列”Region_Sales”呈现出来。
下面举一个例子，假设我们有一个销售数据集，其中包含了每个城市在不同月份的销售额。现在我们需要统计每个城市在整个销售期内的销售总额，并将其添加为新列。我们可以使用以下代码：
import pandas as pd
# 载入数据集
data = pd.read_csv("sales.csv")
# 将数据按照城市分组
grouped = data.groupby("City")
# 统计每个城市的销售总额
city_sales = grouped["Sales"].sum()
# 将销售总额作为新列添加到源数据集中
data["City_Sales"] = grouped["Sales"].transform('sum')
print(data.head())
代码运行后，我们可以得到一个新的数据集，其中每个城市的销售总额以新的一列”City_Sales”呈现出来。