要按天和种类进行时间序列分组，可以使用pandas库中的groupby函数来实现。下面是一个示例代码：

import pandas as pd

# 创建示例数据
data = {'date': ['2020-01-01', '2020-01-01', '2020-01-02', '2020-01-02', '2020-01-03'],
        'category': ['A', 'B', 'A', 'B', 'A'],
        'value': [10, 20, 30, 40, 50]}
df = pd.DataFrame(data)

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

# 按天和种类进行分组
grouped = df.groupby([df['date'].dt.date, 'category'])

# 遍历分组并打印结果
for group, group_df in grouped:
    print(group)
    print(group_df)
    print('---')

运行以上代码，将会得到以下输出结果：

(datetime.date(2020, 1, 1), 'A')
         date category  value
0 2020-01-01        A     10
---
(datetime.date(2020, 1, 1), 'B')
         date category  value
1 2020-01-01        B     20
---
(datetime.date(2020, 1, 2), 'A')
         date category  value
2 2020-01-02        A     30
---
(datetime.date(2020, 1, 2), 'B')
         date category  value
3 2020-01-02        B     40
---
(datetime.date(2020, 1, 3), 'A')
         date category  value
4 2020-01-03        A     50
---

以上代码首先创建了一个示例数据，并将其中的date列转换为日期类型。然后使用groupby函数按照date和category列进行分组，并遍历分组结果进行打印。每个分组都包含了对应的日期和种类，并且包含了该分组的所有行数据。