在Python中，你可以使用pandas库来对数据框按日期和其他列进行分组。以下是一个示例代码：

import pandas as pd

# 创建一个示例数据框
data = {
    '日期': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
    '其他列1': ['A', 'B', 'C', 'D', 'E'],
    '其他列2': [1, 2, 3, 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'])

# 按日期和其他列对数据框进行分组
grouped = df.groupby(['日期', '其他列1', '其他列2'])

# 打印每个分组的数据
for name, group in grouped:
    print(name)
    print(group)
    print('---')

这个示例首先创建了一个包含日期、其他列1和其他列2的示例数据框。然后，将日期列转换为日期类型，以便进行日期操作。接下来，使用groupby()函数按日期、其他列1和其他列2对数据框进行分组。最后，使用for循环遍历每个分组，打印每个分组的名称和数据。

运行上述代码，你将会看到如下输出：

(Timestamp('2021-01-01 00:00:00'), 'A', 1)
          日期 其他列1  其他列2
0 2021-01-01    A     1
---
(Timestamp('2021-01-01 00:00:00'), 'B', 2)
          日期 其他列1  其他列2
1 2021-01-01    B     2
---
(Timestamp('2021-01-02 00:00:00'), 'C', 3)
          日期 其他列1  其他列2
2 2021-01-02    C     3
---
(Timestamp('2021-01-02 00:00:00'), 'D', 4)
          日期 其他列1  其他列2
3 2021-01-02    D     4
---
(Timestamp('2021-01-03 00:00:00'), 'E', 5)
          日期 其他列1  其他列2
4 2021-01-03    E     5
---

这样，你就可以按日期和其他列对数据框进行分组，并对每个分组进行进一步的操作。