假设你已经有一个名为df的数据框，包含了日期（Date）和价格（Price）两列数据。你可以按照下面的代码示例进行分组和重新采样：

import pandas as pd

# 将日期列转换为日期时间类型
df['Date'] = pd.to_datetime(df['Date'])

# 按日期对数据框进行分组
grouped = df.groupby(pd.Grouper(key='Date', freq='D'))

# 对每个分组进行重新采样，计算每日价格变动
resampled = grouped['Price'].resample('S').mean()

在上面的代码中，首先使用pd.to_datetime()函数将日期列转换为日期时间类型。然后，使用groupby()函数按照日期对数据框进行分组，其中pd.Grouper()函数指定了按照日期（'Date'）进行分组，并且频率（freq）设置为每天（'D'）。接下来，使用resample()函数对每个分组进行重新采样，其中将频率设置为秒（'S'），并计算每秒的平均价格。最后，将结果保存在一个新的数据框（resampled）中。

请注意，上述代码中的数据框（df）应该包含日期（Date）和价格（Price）两列，并且日期列应该是正确的日期格式。你可以根据实际情况进行修改。