要按多个列分组Pandas数据帧并找出与上个月相比的百分比变化，可以按照以下步骤进行操作：

1. 导入必要的库和模块：

import pandas as pd

2. 创建一个示例数据帧：

data = {'date': ['2021-01-01', '2021-01-01', '2021-02-01', '2021-02-01', '2021-03-01', '2021-03-01'],
        'category': ['A', 'B', 'A', 'B', 'A', 'B'],
        'value': [100, 200, 150, 250, 180, 300]}
df = pd.DataFrame(data)

3. 将'date'列转换为日期类型：

df['date'] = pd.to_datetime(df['date'])

4. 将数据帧按照'date'和'category'列分组，并计算每个组的总和：

df_grouped = df.groupby(['date', 'category']).sum().reset_index()

5. 使用Pandas的shift()函数将数据帧中的值向上移动一个月：

df_grouped['value_previous_month'] = df_grouped.groupby('category')['value'].shift()

6. 计算每个组与上个月相比的百分比变化：

df_grouped['percentage_change'] = (df_grouped['value'] - df_grouped['value_previous_month']) / df_grouped['value_previous_month'] * 100

完整的代码示例：

import pandas as pd

data = {'date': ['2021-01-01', '2021-01-01', '2021-02-01', '2021-02-01', '2021-03-01', '2021-03-01'],
        'category': ['A', 'B', 'A', 'B', 'A', 'B'],
        'value': [100, 200, 150, 250, 180, 300]}
df = pd.DataFrame(data)

df['date'] = pd.to_datetime(df['date'])

df_grouped = df.groupby(['date', 'category']).sum().reset_index()

df_grouped['value_previous_month'] = df_grouped.groupby('category')['value'].shift()

df_grouped['percentage_change'] = (df_grouped['value'] - df_grouped['value_previous_month']) / df_grouped['value_previous_month'] * 100

print(df_grouped)

输出结果：

        date category  value  value_previous_month  percentage_change
0 2021-01-01        A    100                   NaN                NaN
1 2021-01-01        B    200                   NaN                NaN
2 2021-02-01        A    150                 100.0               50.0
3 2021-02-01        B    250                 200.0               25.0
4 2021-03-01        A    180                 150.0               20.0
5 2021-03-01        B    300                 250.0               20.0