要按日期的词频进行统计，可以使用Python中的pandas和nltk库来实现。下面是一个代码示例：

import pandas as pd
from nltk.tokenize import word_tokenize
from nltk.probability import FreqDist

# 读取文本数据
df = pd.read_csv('data.csv')

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

# 初始化一个空的词频字典
word_freq = {}

# 遍历每一行数据
for index, row in df.iterrows():
    # 分词
    tokens = word_tokenize(row['text'])
    
    # 计算词频
    freq_dist = FreqDist(tokens)
    
    # 更新词频字典
    date = row['date'].date()
    if date in word_freq:
        word_freq[date] += freq_dist
    else:
        word_freq[date] = freq_dist

# 打印每个日期的词频统计结果
for date, freq_dist in word_freq.items():
    print('Date:', date)
    print('Word Frequency:')
    for word, freq in freq_dist.items():
        print(word, freq)
    print()

在这个示例中，假设数据存储在名为"data.csv"的CSV文件中，其中包含两列：日期和文本。首先，使用pandas库读取数据，并将日期列转换为日期类型。然后，遍历每一行数据，在每个日期上分词，并使用nltk库的FreqDist函数计算词频。最后，将词频结果存储在一个字典中，其中键是日期，值是对应日期的词频分布。最后，打印出每个日期的词频统计结果。

请注意，这只是一个示例代码，你需要根据你的实际数据格式和需求进行适当的修改。