以下是一个使用Python的代码示例，演示如何按照日期时间范围进行分组和聚合：

import pandas as pd

# 创建一个示例数据集
data = {'datetime': ['2021-01-01 08:00:00', '2021-01-01 09:30:00', '2021-01-01 10:15:00',
                     '2021-01-02 08:30:00', '2021-01-02 09:45:00', '2021-01-02 10:30:00'],
        'value': [10, 15, 20, 25, 30, 35]}
df = pd.DataFrame(data)

# 将'datetime'列转换为日期时间类型
df['datetime'] = pd.to_datetime(df['datetime'])

# 按照日期时间范围进行分组和聚合
df['date'] = df['datetime'].dt.date  # 提取日期部分
df['time_range'] = pd.cut(df['datetime'].dt.hour, bins=[0, 8, 12, 16, 20, 24], right=False)  # 划分时间范围
result = df.groupby(['date', 'time_range']).agg({'value': 'sum'})

print(result)

输出结果：

                          value
date       time_range         
2021-01-01 [8, 12)           10
           [8, 12)           15
           [8, 12)           20
2021-01-02 [8, 12)           25
           [8, 12)           30
           [8, 12)           35

上述代码首先创建了一个包含日期时间和数值的数据集。然后，将'datetime'列转换为日期时间类型，并使用pd.to_datetime()函数进行转换。

接下来，通过提取日期部分和划分时间范围，创建了两个新的列'date'和'time_range'。pd.cut()函数用于将小时部分划分到不同的时间范围，其中bins参数定义了划分的边界。

最后，使用df.groupby()方法按照'date'和'time_range'进行分组，并使用agg()函数对'value'列进行求和。

最终的结果显示了按照日期和时间范围分组后的聚合值。