假设有一个名为sales的数据集，其中包含日期和销售额。我们可以使用Python来解决这个问题。

首先，我们需要导入pandas库来处理数据集：

import pandas as pd

然后，我们可以读取数据集并按日期进行排序：

sales = pd.read_csv('sales.csv')  # 根据实际数据集的名称进行修改
sales['日期'] = pd.to_datetime(sales['日期'])  # 将日期列转换为日期时间类型
sales = sales.sort_values(by='日期')  # 按日期排序

接下来，我们可以按日期进行分组，并计算每个日期的销售总额：

sales_by_date = sales.groupby('日期')['销售额'].sum().reset_index()  # 按日期分组并计算每个日期的销售总额

最后，我们可以按销售总额进行降序排列，并选择前五个日期：

top_5_dates = sales_by_date.nlargest(5, '销售额')  # 按销售总额降序排列，选择前五个日期

完整的代码示例如下所示：

import pandas as pd

sales = pd.read_csv('sales.csv')  # 根据实际数据集的名称进行修改
sales['日期'] = pd.to_datetime(sales['日期'])  # 将日期列转换为日期时间类型
sales = sales.sort_values(by='日期')  # 按日期排序

sales_by_date = sales.groupby('日期')['销售额'].sum().reset_index()  # 按日期分组并计算每个日期的销售总额

top_5_dates = sales_by_date.nlargest(5, '销售额')  # 按销售总额降序排列，选择前五个日期

print(top_5_dates)

请确保将代码中的sales.csv替换为实际的数据集文件名，并根据实际情况调整列名。