请翻译以下为中文：

DataFrameGroupBy.pct_change(periods=1, fill_method=None, freq=None)

计算组中每个值相对于前一个条目的 pct_change。

参数:

periodsint, 默认 1

用于计算百分比变化的周期。与周期1相比意味着相邻元素被比较，而周期2则比较每隔一个元素。

fill_methodNone

必须是 None。此参数将在 pandas 的未来版本中移除。

自 2.1 版本弃用: fill_method 的所有选项都已弃用，除了 fill_method=None。

freqstr, pandas 偏移对象, 或 None, 默认 None

时间序列数据的频率增量（例如，’M’ 表示月末）。如果为 None，则从索引中推断频率。仅与时间序列数据相关。

返回:

Series 或 DataFrame

每个组内的百分比变化。

参见

Series.groupby

对一个 Series 应用 groupby 函数。

DataFrame.groupby

对DataFrame的每一行或每一列应用一个groupby函数。

例子

对于 SeriesGroupBy：

>>> lst = ["a", "a", "b", "b"]
>>> ser = pd.Series([1, 2, 3, 4], index=lst)
>>> ser
a    1
a    2
b    3
b    4
dtype: int64
>>> ser.groupby(level=0).pct_change()
a         NaN
a    1.000000
b         NaN
b    0.333333
dtype: float64

对于 DataFrameGroupBy：

>>> data = [[1, 2, 3], [1, 5, 6], [2, 5, 8], [2, 6, 9]]
>>> df = pd.DataFrame(
...     data,
...     columns=["a", "b", "c"],
...     index=["tuna", "salmon", "catfish", "goldfish"],
... )
>>> df
           a  b  c
    tuna   1  2  3
  salmon   1  5  6
 catfish   2  5  8
goldfish   2  6  9
>>> df.groupby("a").pct_change()
            b  c
    tuna    NaN    NaN
  salmon    1.5  1.000
 catfish    NaN    NaN
goldfish    0.2  0.125