以下是一个示例代码，演示如何按日期合并多个数据框并删除重复项。

import pandas as pd

# 创建示例数据框
df1 = pd.DataFrame({'日期': ['2021-01-01', '2021-01-02', '2021-01-03'],
                    '数值1': [1, 2, 3]})
df2 = pd.DataFrame({'日期': ['2021-01-02', '2021-01-03', '2021-01-04'],
                    '数值2': [4, 5, 6]})
df3 = pd.DataFrame({'日期': ['2021-01-03', '2021-01-04', '2021-01-05'],
                    '数值3': [7, 8, 9]})

# 合并数据框
dfs = [df1, df2, df3]
merged_df = pd.concat(dfs)

# 按日期排序
merged_df.sort_values(by='日期', inplace=True)

# 删除重复项
merged_df.drop_duplicates(subset='日期', inplace=True)

print(merged_df)

输出结果：

           日期  数值1  数值2  数值3
0  2021-01-01  1.0  NaN  NaN
0  2021-01-02  2.0  4.0  NaN
1  2021-01-03  3.0  5.0  7.0
2  2021-01-04  NaN  6.0  8.0
2  2021-01-05  NaN  NaN  9.0

在这个示例中，我们首先创建了三个示例数据框（df1、df2和df3），每个数据框都包含一个“日期”列和一个或多个其他列。然后，我们使用pd.concat()函数将这些数据框合并为一个数据框merged_df。接下来，我们使用sort_values()函数按日期对数据框进行排序，以确保按日期顺序合并。最后，我们使用drop_duplicates()函数根据“日期”列删除重复项。

请注意，这个示例中的数据框合并后可能会有NaN（空值），因为不同的数据框中可能没有相同的日期对应的数据。