我有一个panda Dataframe ，我想基于另一列（'A '）向. groupby（）的所有示例的新列（'new'）添加一个值。
目前，我正在分几个步骤进行：
1-遍历所有唯一的A列值
2-计算要添加的值（在不同列上运行函数，例如"B"）
3-将我想添加到'new'的值存储在一个单独的列表中（该组中只有一个示例!）
4-压缩唯一组列表（.groupby('A').unique()）
5-再次循环经过压缩的值以将它们存储在 Dataframe 中。
这是一种非常低效的方式，并且需要很长时间才能运行。
有没有一种本土Pandas的方法，可以用更少的步骤做，而且跑得更快？
示例代码：

mylist = []
df_groups = df.groupby('A')
groups = df['A'].unique()
for group in groups:
  g = df_groups.get_group(group)
  idxmin = g.index.min()
  example = g.loc[idxmin]
  mylist.append(myfunction(example['B'])
zipped = zip(groups, mylist)
df['new'] = np.nan
for group, val in zipped:
  df.loc[df['A']==group, 'new'] = val

如果能找到更好的办法，我们将不胜感激。
编辑1：
我可以只在 Dataframe 的所有行上运行myfunction，但由于它是一个繁重的函数，所以也会花费很长时间-所以我希望尽可能少地运行它（即每组运行一次）。