以下是一个示例代码，演示了如何按日期分组，填充空值并求和数值：

import pandas as pd

# 创建示例数据
data = {'日期': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-02'],
        '数值': [1, 2, None, 4, 5]}
df = pd.DataFrame(data)

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

# 按日期分组并填充空值并求和
df = df.groupby('日期')['数值'].sum().reset_index()

# 生成完整日期范围的数据
min_date = df['日期'].min()
max_date = df['日期'].max()
date_range = pd.date_range(min_date, max_date, freq='D')
df = df.set_index('日期').reindex(date_range).reset_index()

# 将空值填充为0
df['数值'] = df['数值'].fillna(0)

print(df)

输出结果如下：

         日期   数值
0 2021-01-01  3.0
1 2021-01-02  9.0

在以上代码中，首先创建了一个包含日期和数值的示例数据。然后，将日期列转换为日期类型，并使用groupby函数按日期分组并求和数值。接下来，生成了完整日期范围的数据，并使用reindex函数将数据重新索引为完整日期范围。最后，使用fillna函数将空值填充为0。