以下是一个示例代码，演示了如何按日期范围融合数据：

import pandas as pd

# 创建示例数据框
df1 = pd.DataFrame({
    '日期': pd.date_range(start='2021-01-01', end='2021-01-10'),
    '数值1': range(10)
})

df2 = pd.DataFrame({
    '日期': pd.date_range(start='2021-01-05', end='2021-01-15'),
    '数值2': range(11, 21)
})

# 将日期列设置为索引
df1.set_index('日期', inplace=True)
df2.set_index('日期', inplace=True)

# 使用concat函数按日期范围融合数据
merged_df = pd.concat([df1, df2], axis=1, join='outer')

# 打印结果
print(merged_df)

这段代码的输出结果如下：

            数值1  数值2
2021-01-01  0.0  NaN
2021-01-02  1.0  NaN
2021-01-03  2.0  NaN
2021-01-04  3.0  NaN
2021-01-05  4.0  11.0
2021-01-06  5.0  12.0
2021-01-07  6.0  13.0
2021-01-08  7.0  14.0
2021-01-09  8.0  15.0
2021-01-10  9.0  16.0
2021-01-11  NaN  17.0
2021-01-12  NaN  18.0
2021-01-13  NaN  19.0
2021-01-14  NaN  20.0
2021-01-15  NaN  21.0

这段代码首先使用Pandas库创建了两个示例数据框df1和df2，其中包含了日期和数值列。然后，使用set_index函数将日期列设置为索引。接下来，使用concat函数按日期范围融合了两个数据框，设置了axis=1表示按列融合，join='outer'表示使用外连接方式，保留了所有的日期。

最后，将融合后的数据框打印出来，可以看到数据按日期范围融合了，并且缺失的数值使用NaN填充。