要按类别和不同的日期分组在同一列，可以使用Pandas库来实现。以下是一个示例代码：

import pandas as pd

# 创建一个示例数据集
data = {'日期': ['2022-01-01', '2022-01-01', '2022-01-02', '2022-01-02', '2022-01-03', '2022-01-03'],
        '类别': ['A', 'B', 'A', 'B', 'A', 'B'],
        '数值': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 按类别和日期分组，并计算每组的总数
grouped = df.groupby(['类别', '日期']).sum().reset_index()

# 将类别列和日期列合并为一列
grouped['类别和日期'] = grouped['类别'] + ' - ' + grouped['日期'].dt.strftime('%Y-%m-%d')

# 输出结果
print(grouped[['类别和日期', '数值']])

运行以上代码后，将获得按类别和不同的日期分组在同一列的结果：

  类别和日期  数值
0  A - 2022-01-01  10
1  A - 2022-01-02  30
2  A - 2022-01-03  50
3  B - 2022-01-01  20
4  B - 2022-01-02  40
5  B - 2022-01-03  60

在这个示例中，首先创建了一个包含日期、类别和数值的示例数据集。然后，将日期列转换为日期类型以便进行日期相关的操作。接下来，使用groupby函数按照类别和日期进行分组，并计算每组的总数。最后，将类别列和日期列合并为一列，并输出结果。