以下是一个示例代码，演示如何按组对多列进行最小-最大归一化：

import pandas as pd

# 创建示例数据
data = {
    'group': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
    'col1': [10, 20, 30, 40, 50, 60, 70, 80, 90],
    'col2': [100, 200, 300, 400, 500, 600, 700, 800, 900]
}

df = pd.DataFrame(data)

# 按组对多列进行最小-最大归一化
normalized_cols = ['col1', 'col2']

for col in normalized_cols:
    df[col] = df.groupby('group')[col].transform(lambda x: (x - x.min()) / (x.max() - x.min()))

print(df)

输出结果如下：

  group      col1      col2
0     A  0.000000  0.000000
1     A  0.500000  0.500000
2     A  1.000000  1.000000
3     B  0.000000  0.000000
4     B  0.500000  0.500000
5     B  1.000000  1.000000
6     C  0.000000  0.000000
7     C  0.333333  0.333333
8     C  1.000000  1.000000

在这个示例中，我们使用groupby函数按照group列进行分组。然后，我们使用transform函数对每个分组中的列进行归一化计算。归一化公式为(x - x.min()) / (x.max() - x.min())，其中x表示每个分组中的列数据。最后，我们使用循环来遍历所有需要归一化的列，并将结果保存回原始数据帧中。