我不确定您是在寻找存储在单个数组/ Dataframe 中的结果，还是只是在寻找作为单独数组的结果。
如果是后者，应该可以使用以下方法：

for group in df.group.unique():
    print(f'Group {group} results: ')
    tmp_df = pd.DataFrame(df[df.group==group]['vector'].tolist())
    print(tmp_df.mean().values)

输出量：

Group A results: 
[3.33333333 2.66666667 0.66666667 0.66666667]
Group B results: 
[3. 4. 1. 2.]
Group C results: 
[6. 2. 0. 0.]

这是一个有点笨重，但得到的工作完成，如果你只是想得到的结果。
基于组过滤 Dataframe ，然后将其向量转换为自己的tmp_df，并获取每列的平均值。
如果你愿意，你可以很容易地把这些数组，并保存他们为进一步的操作或什么你有。
希望这对你有帮助！

充分利用numpy：

import numpy as np

out = (df.groupby('group')['vector']
         .agg(lambda x: np.vstack(x).mean(0).round(2))
       )

print(out)

输出量：

group
A    [3.33, 2.67, 0.67, 0.67]
B        [3.0, 4.0, 1.0, 2.0]
C        [6.0, 2.0, 0.0, 0.0]
Name: vector, dtype: object

作为 Dataframe

out = (df.groupby('group', as_index=False)['vector']
         .agg(lambda x: np.vstack(x).mean(0).round(2))
       )

输出量：

group                    vector
0     A  [3.33, 2.67, 0.67, 0.67]
1     B      [3.0, 4.0, 1.0, 2.0]
2     C      [6.0, 2.0, 0.0, 0.0]

作为数组

out = np.vstack(df.groupby('group')['vector']
                  .agg(lambda x: np.vstack(x).mean(0).round(2))
                )

输出量：

[[3.33 2.67 0.67 0.67]
 [3.   4.   1.   2.  ]
 [6.   2.   0.   0.  ]]