以下是一个示例代码，用于按日期分组的聚合数据，但来自不同的日期字段。

import pandas as pd

# 创建示例数据集
data = {
    '日期1': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
    '日期2': ['2021-02-01', '2021-02-01', '2021-02-02', '2021-02-02', '2021-02-03'],
    '数值': [1, 2, 3, 4, 5]
}
df = pd.DataFrame(data)

# 将日期1和日期2列转换为日期时间类型
df['日期1'] = pd.to_datetime(df['日期1'])
df['日期2'] = pd.to_datetime(df['日期2'])

# 按日期1分组，并对数值进行求和
grouped_by_date1 = df.groupby('日期1')['数值'].sum()
print("按日期1分组的聚合数据:")
print(grouped_by_date1)

# 按日期2分组，并对数值进行求和
grouped_by_date2 = df.groupby('日期2')['数值'].sum()
print("按日期2分组的聚合数据:")
print(grouped_by_date2)

输出结果如下：

按日期1分组的聚合数据:
日期1
2021-01-01    3
2021-01-02    7
2021-01-03    5
Name: 数值, dtype: int64
按日期2分组的聚合数据:
日期2
2021-02-01    3
2021-02-02    7
2021-02-03    5
Name: 数值, dtype: int64

在这个示例中，我们首先使用pd.to_datetime()函数将日期列转换为日期时间类型，然后使用groupby()函数按日期1分组，并对数值列进行求和。同样的方法也适用于按日期2分组。