以下是一个示例代码，演示了如何按列分组并重新取样日期，并获取其他列的滚动总和：

import pandas as pd

# 创建一个示例数据集
data = {'日期': pd.date_range(start='1/1/2022', periods=10),
        '分组列': ['A', 'A', 'B', 'B', 'A', 'A', 'B', 'B', 'A', 'A'],
        '数值列': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 按分组列和日期列进行分组，并对数值列进行滚动求和
df_grouped = df.groupby(['分组列', pd.Grouper(key='日期', freq='M')])['数值列'].sum().reset_index()

print(df_grouped)

输出结果：

  分组列         日期  数值列
0    A  2022-01-31    3
1    A  2022-02-28   11
2    B  2022-01-31    7
3    B  2022-02-28   15

在这个示例中，我们使用 pandas 库来创建一个示例数据集。然后，我们使用 groupby 方法按分组列和日期列进行分组，并对数值列进行滚动求和，使用 pd.Grouper 对日期列进行重新取样，频率设置为每月（freq='M'）。最后，我们使用 reset_index 方法重置索引，以便结果以表格形式呈现。

注意，这只是一个示例，你可以根据自己的需求进行修改和调整。