以下是一个示例代码，用于按天分组并计算相同列值的日期差的和。

import pandas as pd

# 创建示例数据集
data = {'日期': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-01', '2021-01-02'],
        '数值': [10, 15, 20, 5, 10]}
df = pd.DataFrame(data)

# 将日期列转换为日期类型
df['日期'] = pd.to_datetime(df['日期'])

# 按照日期和数值分组，并计算日期差的和
result = df.groupby(['日期', '数值']).agg({'日期': lambda x: (x.max() - x.min()).days}).rename(columns={'日期': '日期差和'})

print(result)

这段代码首先导入pandas库，并创建一个示例数据集df，其中包含日期和数值两列。

然后，将日期列转换为日期类型，以便可以进行日期计算。

接下来，使用groupby方法按照日期和数值分组，并使用agg方法计算日期差的和。在agg方法中，我们使用lambda函数来计算日期差，x.max()和x.min()分别表示每个日期分组中的最大日期和最小日期。

最后，将结果保存在result中，并打印出来。输出结果将显示按照日期和数值分组的日期差和。