以下是一个示例代码，演示如何使用切片器按指定字段对特定日期的数据进行分割，并计算每日、每月累计、每季累计和年度累计总和。

import pandas as pd

# 创建示例数据
data = {'日期': pd.date_range(start='2021-01-01', end='2021-12-31'),
        '数值': range(1, 366)}
df = pd.DataFrame(data)

# 按日期字段进行切片
df['年'] = df['日期'].dt.year
df['季度'] = df['日期'].dt.quarter
df['月'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day

# 计算每日累计总和
df['每日累计'] = df.groupby('年')['数值'].cumsum()

# 计算每月累计总和
df['每月累计'] = df.groupby(['年', '月'])['数值'].cumsum()

# 计算每季累计总和
df['每季累计'] = df.groupby(['年', '季度'])['数值'].cumsum()

# 计算年度累计总和
df['年度累计'] = df.groupby('年')['数值'].cumsum()

# 显示结果
print(df)

输出结果如下：

            日期  数值     年  季度   月   日  每日累计  每月累计  每季累计  年度累计
0   2021-01-01   1  2021   1   1   1      1     1     1     1
1   2021-01-02   2  2021   1   1   2      3     3     3     3
2   2021-01-03   3  2021   1   1   3      6     6     6     6
3   2021-01-04   4  2021   1   1   4     10    10    10    10
4   2021-01-05   5  2021   1   1   5     15    15    15    15
..         ...  ..   ...  ..  ..  ..    ...   ...   ...   ...
360 2021-12-27  28  2021   4  12  27  17528  17528  17528  17528
361 2021-12-28  29  2021   4  12  28  17557  17557  17557  17557
362 2021-12-29  30  2021   4  12  29  17587  17587  17587  17587
363 2021-12-30  31  2021   4  12  30  17618  17618  17618  17618
364 2021-12-31  32  2021   4  12  31  17650  17650  17650  17650

[365 rows x 10 columns]

在示例代码中，我们使用pandas库来处理数据。首先，我们创建了一个包含日期和数值的示例数据。然后，我们使用dt属性从日期中提取年、季度、月和日，并将它们作为新的列添加到数据框中。

接下来，我们使用groupby方法按照特定的字段（年、年和月、年和季度）进行分组，并使用cumsum方法计算每个分组的累计总和。最后，我们将每日、每月、每季和年度累计总和的结果添加为新的列。

您可以根据实际需求调整代码，适应不同的数据和分组方式。