下面是一个示例代码，演示如何按组重新采样数据并计算滚动总和：

import pandas as pd

# 创建示例数据
data = {
    'group': ['A', 'A', 'A', 'B', 'B', 'B'],
    'value': [1, 2, 3, 4, 5, 6]
}
df = pd.DataFrame(data)

# 按组重新采样数据并计算滚动总和
df['sum'] = df.groupby('group')['value'].rolling(window=2).sum().reset_index(0, drop=True)

print(df)

输出：

  group  value  sum
0     A      1  NaN
1     A      2  3.0
2     A      3  5.0
3     B      4  NaN
4     B      5  9.0
5     B      6  11.0

在上面的代码中，我们首先创建了一个包含"group"和"value"列的示例数据帧。然后，使用groupby函数按"group"列对数据进行分组。接下来，我们使用rolling函数对每个组的"value"列进行滚动计算，窗口大小为2，即每个组的相邻两个值的总和。最后，我们使用reset_index函数将组的索引重置，并使用drop=True删除多余的索引列。最后，我们将计算的滚动总和存储在新的"sum"列中。