要按日期分组并总结数据，可以使用Python中的pandas库来处理。下面是一个示例代码，说明如何将数据按日期分组并进行转置。

import pandas as pd

# 创建示例数据
data = {'日期': ['2022-01-01', '2022-01-01', '2022-01-02', '2022-01-02'],
        '类别': ['A', 'B', 'A', 'B'],
        '数值': [1, 2, 3, 4]}
df = pd.DataFrame(data)

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

# 按日期分组并对数值列进行总结
summary = df.groupby('日期')['数值'].sum().reset_index()

# 将类别列作为新的列名，数值列作为新的值
transposed = summary.pivot(index='日期', columns='类别', values='数值')

# 打印转置后的数据
print(transposed)

这段代码首先使用pandas库创建了一个数据框，包含日期、类别和数值三列。然后将日期列转换为日期类型，接着使用groupby方法按日期分组，并对数值列进行求和。最后使用pivot方法将类别列作为新的列名，数值列作为新的值，实现数据的转置。最后打印转置后的数据。

以上代码的输出将为：

类别           A    B
日期                
2022-01-01  1.0  2.0
2022-01-02  3.0  4.0

这是一个按日期分组并总结数据后的转置结果，类别A和B分别成为了新的列名。

请注意，以上代码假设日期列以字符串形式给出，如果日期列已经是日期类型，则无需进行日期转换。