下面是一个使用Python pandas库的示例代码，演示了如何按日期间隔聚合数据。

首先，需要导入pandas库和datetime库：

import pandas as pd
from datetime import datetime

接下来，创建一个包含日期和数值的示例数据集：

data = {'date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
        'value': [10, 5, 8, 12, 6]}
df = pd.DataFrame(data)

将日期列转换为日期时间类型：

df['date'] = pd.to_datetime(df['date'])

然后，按日期间隔进行聚合并计算每个日期间隔的总和：

df_agg = df.groupby(pd.Grouper(key='date', freq='D')).sum().reset_index()

在上面的代码中，pd.Grouper(key='date', freq='D')将日期列分组为每天。

最后，打印聚合后的数据集：

print(df_agg)

完整的代码示例如下：

import pandas as pd
from datetime import datetime

data = {'date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
        'value': [10, 5, 8, 12, 6]}
df = pd.DataFrame(data)

df['date'] = pd.to_datetime(df['date'])

df_agg = df.groupby(pd.Grouper(key='date', freq='D')).sum().reset_index()

print(df_agg)

运行以上代码，将得到如下输出：

        date  value
0 2021-01-01     15
1 2021-01-02     20
2 2021-01-03      6

这样，数据就按照日期间隔聚合并计算了每个日期间隔的总和。