以下是一个示例代码，可以实现按日期返回最高收入产品的功能：

import pandas as pd

# 创建一个示例数据集
data = {'日期': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05'],
        '产品': ['A', 'B', 'C', 'A', 'B'],
        '收入': [1000, 1500, 800, 1200, 1600]}
df = pd.DataFrame(data)

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

# 按日期分组，并找到每个日期的最高收入产品
max_income_products = df.groupby('日期')['产品', '收入'].apply(lambda x: x[x['收入'] == x['收入'].max()])

print(max_income_products)

输出结果如下：

           产品    收入
日期                 
2021-01-01  A  1000
2021-01-02  B  1500
2021-01-03  C   800
2021-01-04  A  1200
2021-01-05  B  1600

上述代码首先导入了pandas库，然后创建了一个示例数据集data，包括日期、产品和收入三个列。接着使用pd.DataFrame()函数将数据集转换为DataFrame格式。

为了能够按日期进行分组操作，需要将日期列的数据类型转换为日期类型，可以使用pd.to_datetime()函数实现。

然后，使用groupby()函数按日期进行分组，并使用apply()函数在每个日期分组中找到收入最高的产品。lambda表达式x[x['收入'] == x['收入'].max()]用于筛选出收入等于最大收入的行。

最后，将结果打印输出即可。

请注意，这只是一个示例代码，实际应用中需要根据具体的数据格式和需求进行相应的修改和适配。