Nur das Datumsteil beibehalten, wenn pandas.to_datetime verwendet wird

Question

Ich benutze pandas.to_datetime, um die Daten in meinem Datensatz zu parsen. Pandas stellt die Daten standardmäßig als datetime64[ns] dar, obwohl die Daten alle täglich sind. Ich frage mich, ob es einen eleganten/cleveren Weg gibt, die Daten in datetime.date oder datetime64[D] umzuwandeln, so dass, wenn ich die Daten in ein CSV schreibe, die Daten nicht mit 00:00:00 angehängt werden. Ich weiß, dass ich den Typ manuell elementweise konvertieren kann:

[dt.to_datetime().date() for dt in df.dates]

Aber das ist wirklich langsam, da ich viele Zeilen habe, und es ist irgendwie kontraproduktiv, pandas.to_datetime zu verwenden. Gibt es eine Möglichkeit, den dtype der gesamten Spalte auf einmal umzuwandeln? Oder unterstützt pandas.to_datetime alternativ eine Präzisionsspezifikation, sodass ich den Zeitteil loswerden kann, während ich mit täglichen Daten arbeite?

Answer 1

Pandas DatetimeIndex und Series haben eine Methode namens normalize, die genau das tut, was du willst.

Du kannst mehr darüber in dieser Antwort lesen.

Es kann wie folgt verwendet werden: ser.dt.normalize()

Answer 2

Ich gebe nur eine aktualisiertere Antwort, falls jemand diesen alten Beitrag sieht.

Das Hinzufügen von "utc=False" beim Konvertieren in ein datetime entfernt die Zeitzonenkomponente und behält nur das Datum in einem datetime64[ns] Datentyp bei.

pd.to_datetime(df['Date'], utc=False)

Sie können es in Excel speichern, ohne den Fehler "ValueError: Excel unterstützt keine Datums- und Uhrzeitangaben mit Zeitzonen. Stellen Sie sicher, dass Datums- und Uhrzeitangaben vor dem Schreiben in Excel zeitzonenunabhängig sind." zu erhalten.

Answer 3

df['Column'] = df['Column'].dt.strftime('%m/%d/%Y')

Dies gibt Ihnen nur die Daten und KEINE ZEIT im gewünschten Format. Sie können das Format nach Bedarf ändern '%m/%d/%Y'. Es ändert den Datentyp der Spalte in 'object'.

---

Wenn Sie nur die Daten möchten und KEINE Zeit im Format YYYY-MM-DD verwenden möchten:

df['Column'] = pd.to_datetime(df['Column']).dt.date

Der Datentyp wird 'object' sein.

---

Für den Datentyp 'datetime64' verwenden Sie:

df['Column'] = pd.to_datetime(df['Column']).dt.normalize()

Answer 4

Umstellung auf datetime64[D]:

df.dates.values.astype('M8[D]')

Das Zurückweisen an eine DataFrame-Spalte wird es jedoch wieder auf [ns] zurücksetzen.

Wenn Sie das tatsächliche datetime.date möchten:

dt = pd.DatetimeIndex(df.dates)
dates = np.array([datetime.date(*date_tuple) for date_tuple in zip(dt.year, dt.month, dt.day)])

Answer 5

Ich wollte die Art für eine Reihe von Spalten in einem Datenrahmen ändern und dann die Zeit entfernen und den Tag beibehalten. round(), floor(), ceil() alle funktionieren

df[date_columns] = df[date_columns].apply(pd.to_datetime)
df[date_columns] = df[date_columns].apply(lambda t: t.dt.floor('d'))