首先，我们需要一个示例数据集来演示此问题：

import pandas as pd

data = {'date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-02', '2021-01-03'],
        'value': [1,2,3,3,4,4]}

df = pd.DataFrame(data)

现在，我们可以使用groupby函数来按日期分组，并应用nunique函数来计算每个日期中独特值的数量：

grouped = df.groupby('date')['value'].nunique()
print(grouped)

输出结果如下：

date
2021-01-01    2
2021-01-02    2
2021-01-03    1
Name: value, dtype: int64

这个输出告诉我们，在2021年1月1日有2个不同的值，在2021年1月2日也有2个不同的值，在2021年1月3日只有1个不同的值。

现在，我们可以将这个输出转换为一个新的数据框来更方便地进行进一步操作。我们可以使用reset_index函数来重置索引并将列名更改为适当的名称：

new_df = grouped.reset_index(name='count')
print(new_df)

输出结果如下：

         date  count
0  2021-01-01      2
1  2021-01-02      2
2  2021-01-03      1

现在，我们已经成功地将按日期分组的独特值计数转换为一个新的数据框，可以更方便地处理和可视化这些数据了。