假设有一个包含日期和数值的数据集df，如下所示：

import pandas as pd
import numpy as np

# 创建示例数据集
dates = pd.date_range(start='2020-01-01', end='2020-01-31', freq='D')
values = np.random.randint(10, 100, size=31)
df = pd.DataFrame({'date': dates, 'value': values})

# 查看示例数据集
print(df.head())

输出：

        date  value
0 2020-01-01     49
1 2020-01-02     78
2 2020-01-03     97
3 2020-01-04     27
4 2020-01-05     91

现在我们要实现的是按周、月或年聚合数值。首先，我们需要将日期列设置为数据集的索引：

df.set_index('date', inplace=True)

然后，我们可以使用resample方法对数据进行聚合。为了演示，我们分别使用周、月和年粒度进行聚合：

按周聚合：

# 按周聚合
weekly_df = df.resample('W').sum()
print(weekly_df.head())

输出：

            value
date             
2020-01-05    450
2020-01-12    452
2020-01-19    477
2020-01-26    498
2020-02-02     91

按月聚合：

# 按月聚合
monthly_df = df.resample('M').sum()
print(monthly_df.head())

输出：

            value
date             
2020-01-31   1645
2020-02-29    466

按年聚合：

# 按年聚合
yearly_df = df.resample('Y').sum()
print(yearly_df.head())

输出：

            value
date             
2020-12-31   2111

可以看到，使用resample方法可以方便地对数据进行按日期粒度的聚合。