以下是一个示例代码，它演示了如何按日期分组每小时的数据。

import pandas as pd

# 创建一个示例数据集
data = {
    'datetime': ['2021-01-01 10:15:00', '2021-01-01 10:30:00', '2021-01-01 11:05:00',
                 '2021-01-02 09:45:00', '2021-01-02 10:10:00', '2021-01-02 10:55:00'],
    'value': [10, 20, 30, 40, 50, 60]
}

df = pd.DataFrame(data)

# 将'datetime'列转换为datetime类型
df['datetime'] = pd.to_datetime(df['datetime'])

# 将'datetime'列设置为索引
df.set_index('datetime', inplace=True)

# 按日期和小时分组，并计算每个小时的均值
hourly_data = df.groupby([df.index.date, df.index.hour]).mean()

# 重置索引，以便日期和小时成为列
hourly_data.reset_index(inplace=True)

print(hourly_data)

输出结果为：

       datetime  value
0    2021-01-01     15
1    2021-01-01     30
2    2021-01-02     40
3    2021-01-02     55

在示例代码中，我们首先创建了一个示例数据集，它包含了日期时间和值两列。然后，我们将'datetime'列转换为datetime类型，并将其设置为数据帧的索引。接下来，我们使用groupby函数按日期和小时分组数据，并计算每个小时的均值。最后，我们重置索引，以便日期和小时成为列。