假设我们有一个包含日期和数量的数据集，形如：

data = [
    {'date': '2021-01-01', 'count': 10},
    {'date': '2021-01-01', 'count': 12},
    {'date': '2021-01-02', 'count': 8},
    {'date': '2021-01-02', 'count': 6},
    {'date': '2021-01-03', 'count': 15},
    {'date': '2021-01-03', 'count': 14}
]

我们可以使用Python中的pandas库来实现按日期分组并获取每个日期的总数量。具体步骤如下：

1. 首先将数据集转换为pandas的DataFrame格式：

import pandas as pd

df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])  # 将日期字符串转换为datetime类型

2. 将数据集按日期分组，并计算每个日期的总数量：

df_grouped = df.groupby('date').sum()

3. 将结果格式化为字典格式：

result = df_grouped.to_dict('index')

最终的结果为：

{
    '2021-01-01': {'count': 22},
    '2021-01-02': {'count': 14},
    '2021-01-03': {'count': 29}
}

其中，键为日期，值为包含总数量的字典。