以下是一个使用Python中的pandas库对数据按年、月、周和日进行分组的示例代码：

import pandas as pd

# 创建示例数据
data = {
    'date': pd.date_range(start='2021-01-01', end='2022-12-31', freq='D'),
    'value': range(730)
}
df = pd.DataFrame(data)

# 按年分组
df_year = df.groupby(df['date'].dt.year).sum()

# 按月分组
df_month = df.groupby([df['date'].dt.year, df['date'].dt.month]).sum()

# 按周分组
df_week = df.groupby(df['date'].dt.week).sum()

# 按日分组
df_day = df.groupby(df['date']).sum()

上述代码首先创建了一个示例数据，包含日期和数值两列。然后使用groupby方法对数据按照不同的时间单位进行分组，最后使用sum方法对每个分组进行求和操作。

按年分组时，通过df['date'].dt.year获取每个日期的年份，然后以年份为分组依据进行分组。

按月分组时，通过[df['date'].dt.year, df['date'].dt.month]获取每个日期的年份和月份，然后以年份和月份为分组依据进行分组。

按周分组时，通过df['date'].dt.week获取每个日期所属的周数，然后以周数为分组依据进行分组。

按日分组时，直接以日期为分组依据进行分组。

以上示例代码可以根据实际需求进行修改和扩展。