以下是使用Python中的pandas库来按照一个列进行分组并填充缺失值的示例代码：

import pandas as pd

# 创建示例数据
data = {'日期': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
        '数值': [1, 2, None, 4, 5]}
df = pd.DataFrame(data)

# 按照日期列进行分组，并填充缺失值
df['数值'] = df.groupby('日期')['数值'].transform(lambda x: x.fillna(x.mean()))

print(df)

输出结果:

           日期   数值
0  2021-01-01  1.0
1  2021-01-01  2.0
2  2021-01-02  4.0
3  2021-01-02  4.0
4  2021-01-03  5.0

在这个示例中，我们首先创建了一个包含日期和数值列的示例数据框(df)。然后，我们使用groupby函数按照日期列进行分组，并使用transform函数来应用填充缺失值的操作。在transform函数中，我们使用了fillna函数来填充数值列中的缺失值。在这个示例中，我们使用了每个分组中的非缺失值的均值来填充缺失值，即对于同一日期的所有行，将缺失值填充为该日期下所有非缺失值的平均值。

最后，我们打印输出了填充缺失值后的数据框。