下面是一个示例代码，演示了如何按多列分组，并应用移动函数：

import pandas as pd

# 创建示例数据
data = {'group': ['A', 'A', 'A', 'B', 'B', 'B'],
        'column1': [1, 2, 3, 4, 5, 6],
        'column2': [7, 8, 9, 10, 11, 12]}
df = pd.DataFrame(data)

# 按group列分组，并对column1和column2应用移动平均函数
df['column1_avg'] = df.groupby('group')['column1'].rolling(window=2).mean().reset_index(level=0, drop=True)
df['column2_avg'] = df.groupby('group')['column2'].rolling(window=2).mean().reset_index(level=0, drop=True)

print(df)

输出结果如下：

  group  column1  column2  column1_avg  column2_avg
0     A        1        7          NaN          NaN
1     A        2        8          1.5          7.5
2     A        3        9          2.5          8.5
3     B        4       10          NaN          NaN
4     B        5       11          4.5         10.5
5     B        6       12          5.5         11.5

在这个示例中，我们使用了Pandas库来处理数据。首先，创建一个DataFrame对象来存储数据。然后，我们使用groupby函数按group列进行分组，并对column1和column2应用rolling函数来计算移动平均值。最后，我们将结果存储在新的列column1_avg和column2_avg中。

请注意，我们使用了reset_index函数来删除分组索引，并使用drop=True参数来删除原始索引。这样可以确保结果与原始数据的索引对齐。

如果你想要应用其他的移动函数，可以在rolling函数中指定相应的函数名称，例如rolling(window=2).max()表示计算移动窗口内的最大值。

希望这个示例能帮到你！