Behalten Sie bei Verwendung von pandas.to_datetime nur den Datumsteil bei

Ich verwende pandas.to_datetime, um die Daten in meinen Daten zu analysieren. Pandas stellen standardmäßig die Daten mit dar datetime64[ns], obwohl die Daten alle nur täglich sind. Ich frage mich, ob es eine elegante / clevere Möglichkeit gibt, die Daten in datetime.dateoder datetime64[D]so zu konvertieren , dass beim Schreiben der Daten in CSV die Daten nicht angehängt werden 00:00:00. Ich weiß, dass ich den Typ manuell Element für Element konvertieren kann:

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

Aber das ist wirklich langsam, da ich viele Zeilen habe und es den Zweck der Verwendung irgendwie zunichte macht pandas.to_datetime. Gibt es eine Möglichkeit, dtypedie gesamte Spalte auf einmal zu konvertieren ? Oder unterstützt alternativ pandas.to_datetimeeine Präzisionsspezifikation, damit ich den Zeitteil während der Arbeit mit täglichen Daten loswerden kann?

Seit der Version 0.15.0kann dies jetzt einfach durchgeführt werden, indem .dtnur auf die Datumskomponente zugegriffen wird:

df['just_date'] = df['dates'].dt.date

Das obige gibt einen datetime.datedtype zurück. Wenn Sie einen haben möchten, datetime64können Sie nur normalizedie Zeitkomponente auf Mitternacht setzen, sodass alle Werte auf Folgendes gesetzt werden 00:00:00:

df['normalised_date'] = df['dates'].dt.normalize()

Dadurch bleibt der Typ d erhalten datetime64, auf dem Display wird jedoch nur der dateWert angezeigt .

Einfache Lösung:

df['date_only'] = df['date_time_column'].dt.date

Während ich EdChums Antwort, die die direkteste Antwort auf die vom OP gestellte Frage ist, positiv bewertet habe, löst sie das Leistungsproblem nicht wirklich (sie basiert immer noch auf Python datetime basiert Objekten, und daher wird jede Operation an ihnen nicht vektorisiert - das heißt, es wird langsam sein).

Eine leistungsstärkere Alternative ist die Verwendung df['dates'].dt.floor('d'). Genau genommen wird nicht nur der Datumsteil beibehalten, sondern nur die Zeit auf 00:00:00. Aber es funktioniert wie vom OP gewünscht, wenn zum Beispiel:

• Drucken auf dem Bildschirm
• Speichern auf CSV
• mit der Spalte zu groupby

... und es ist viel effizienter, da die Operation vektorisiert ist.

EDIT: in der Tat, die Antwort der OPs bevorzugt hätte wahrscheinlich „neuere Versionen von pandasnicht nicht die Zeit zu csv schreiben , wenn es 00:00:00für alle Beobachtungen“.

Pandas DatetimeIndexund Serieshaben eine Methode namens normalize, die genau das tut, was Sie wollen.

Sie können mehr darüber in dieser Antwort lesen .

Es kann als verwendet werden ser.dt.normalize()

Pandas V0.13 +: Verwenden Sie to_csvmit date_formatParameter

Vermeiden Sie nach Möglichkeit, Ihre datetime64[ns]Serie in eine objectdtype-Objektreihe zu konvertieren datetime.date. Letzteres wird häufig unter Verwendung pd.Series.dt.datevon Zeigern gespeichert und ist im Vergleich zu einer reinen NumPy-basierten Reihe ineffizient.

Da Ihr Anliegen beim Schreiben in CSV das Format ist , verwenden Sie einfach den date_formatParameter von to_csv. Beispielsweise:

df.to_csv(filename, date_format='%Y-%m-%d')

Formatierungskonventionen finden Sie in den Python- strftimeAnweisungen .

Dies ist eine einfache Möglichkeit, das Datum zu extrahieren:

import pandas as pd

d='2015-01-08 22:44:09' 
date=pd.to_datetime(d).date()
print(date)

Konvertieren in datetime64[D]:

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

Wenn Sie dies einer DataFrame-Spalte neu zuweisen, wird es wieder auf [ns] zurückgesetzt.

Wenn Sie tatsächlich wollten datetime.date:

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

Geben Sie einfach eine aktuellere Antwort, falls jemand diesen alten Beitrag sieht.

Durch Hinzufügen von "utc = False" bei der Konvertierung in datetime wird die Zeitzonenkomponente entfernt und nur das Datum in einem datetime64 [ns] -Datentyp beibehalten.

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

Sie können es in Excel speichern, ohne den Fehler "ValueError: Excel unterstützt keine Datumsangaben mit Zeitzonen. Stellen Sie sicher, dass die Datumsangaben keine Zeitzone enthalten, bevor Sie in Excel schreiben."

Ich wollte in der Lage sein, den Typ für eine Reihe von Spalten in einem Datenrahmen zu ändern und dann die Uhrzeit zu entfernen, die den Tag hält. rund (), boden (), decken () alle arbeiten

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