以下是一个按类别和时间戳对 Pandas DataFrame 进行分组的示例代码：

import pandas as pd

# 创建示例数据
data = {'Category': ['A', 'A', 'B', 'B', 'A', 'B'],
        'Timestamp': ['2021-01-01 10:00:00', '2021-01-01 11:00:00',
                      '2021-01-01 10:30:00', '2021-01-01 11:30:00',
                      '2021-01-02 09:00:00', '2021-01-02 10:00:00'],
        'Value': [1, 2, 3, 4, 5, 6]}

df = pd.DataFrame(data)

# 将 Timestamp 列转换为日期时间格式
df['Timestamp'] = pd.to_datetime(df['Timestamp'])

# 按 Category 和 Timestamp 进行分组，并计算每个组的平均值
grouped = df.groupby(['Category', pd.Grouper(key='Timestamp', freq='D')]).mean()

print(grouped)

输出结果为：

                     Value
Category Timestamp        
A        2021-01-01    1.5
         2021-01-02    5.0
B        2021-01-01    3.5
         2021-01-02    6.0

在上述代码中，我们首先创建了一个示例数据，其中包含类别（Category）、时间戳（Timestamp）和值（Value）。然后，我们将 Timestamp 列转换为日期时间格式。接下来，我们使用 groupby 方法按 Category 和 Timestamp 进行分组，并使用 mean 方法计算每个组的平均值。最后，我们打印出分组后的结果。