要按多列进行分组和聚合，可以使用groupby函数和agg函数来实现。

首先，我们需要导入pandas库。

import pandas as pd

接下来，我们创建一个包含多个列的数据集。

data = {
    'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
    'Age': [20, 25, 30, 20, 25, 30],
    'Gender': ['Male', 'Male', 'Male', 'Female', 'Female', 'Female'],
    'Salary': [5000, 6000, 7000, 5500, 6500, 7500]
}

df = pd.DataFrame(data)

我们的数据集如下所示：

   Name  Age  Gender  Salary
0   Tom   20    Male    5000
1  Nick   25    Male    6000
2  John   30    Male    7000
3   Tom   20  Female    5500
4  Nick   25  Female    6500
5  John   30  Female    7500

现在，我们可以使用groupby函数按多列进行分组，然后使用agg函数进行聚合操作。在agg函数中，我们可以指定要应用的聚合函数，例如sum、mean、count等。

grouped_data = df.groupby(['Name', 'Age', 'Gender']).agg({'Salary': 'sum'})

上述代码将按照Name、Age和Gender这三列进行分组，并对Salary列进行求和操作。结果如下所示：

                     Salary
Name Age Gender
John 30  Female       7500
Nick 25  Female       6500
     25  Male         6000
Tom  20  Female       5500
     20  Male         5000

如果要对多列应用多个聚合函数，可以在agg函数中使用一个字典来指定每个列和相应的聚合函数。

grouped_data = df.groupby(['Name', 'Age', 'Gender']).agg({'Salary': ['sum', 'mean'], 'Age': 'count'})

上述代码将对Salary列应用sum和mean聚合函数，并对Age列应用count聚合函数。结果如下所示：

                    Salary             Age
                       sum  mean count
Name Age Gender
John 30  Female       7500  7500     1
Nick 25  Female       6500  6500     1
     25  Male         6000  6000     1
Tom  20  Female       5500  5500     1
     20  Male         5000  5000     1

以上就是按多列进行分组和聚合的解决方法，通过使用groupby函数和agg函数，可以方便地对多列数据进行分组和聚合操作。