数据仓库是一个被广泛应用的数据存储和管理系统，数据仓库可以存储海量的数据、支持高并发读写、提供多维度和多角度的数据分析功能，使得企业能够更好地管理和利用业务数据，支持企业决策等多项业务需求。

在数据仓库中，一种常见的数据管理方式是按照粒度进行聚合。在数据仓库中，粒度指的是数据的聚合级别，例如一个维度可以按照天、月、季度或年来进行聚合。

按照粒度进行聚合的好处：

1. 冗余数据量的减小：当数据按照一定的粒度聚合后，可以避免数据过大，方便查询和管理。

2. 数据查询性能的提高：当数据按照一定的粒度进行聚合后，将减少需要查询的数据量，提高了查询的效率。

3. 分析数据的多维度和多角度：当数据按照一定的粒度聚合后，能够支持多维度和多角度的数据分析，方便做出更准确的决策。

下面我们来实现一个简单的按照粒度进行聚合的代码示例：

import pandas as pd

# 模拟生成原始数据
data = [{'date': '2021-01-01', 'country': 'China', 'product': 'A', 'sales': 100},
         {'date': '2021-01-01', 'country': 'China', 'product': 'B', 'sales': 150},
         {'date': '2021-01-01', 'country': 'US', 'product': 'A', 'sales': 50},
         {'date': '2021-01-01', 'country': 'US', 'product': 'B', 'sales': 70},
         {'date': '2021-01-02', 'country': 'China', 'product': 'A', 'sales': 200},
         {'date': '2021-01-02', 'country': 'China', 'product': 'B', 'sales': 120},
         {'date': '2021-01-02', 'country': 'US', 'product': 'A', 'sales': 80},
         {'date': '2021-01-02', '