Pandas.to_datetime kullanırken yalnızca tarih bölümünü saklayın

pandas.to_datetimeVerilerimdeki tarihleri ​​ayrıştırmak için kullanıyorum . Pandalar datetime64[ns], tarihlerin tümü yalnızca günlük olmasına rağmen varsayılan olarak tarihleri ​​temsil eder . Ben için tarihleri dönüştürmek için zarif / akıllı yolu olup olmadığını merak datetime.dateya datetime64[D]ben CSV veri yazma zaman, tarihler de eklenmeli edilmez, böylece 00:00:00. El ile eleman eleman eleman dönüştürebilirsiniz biliyorum:

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

Ama bu çok yavaş çünkü birçok satırım var ve kullanım amacını bir çeşit yenilgiye uğratıyor pandas.to_datetime. Bir dtypekerede tüm sütunu dönüştürmenin bir yolu var mı ? Veya alternatif olarak, pandas.to_datetimegünlük verilerle çalışırken zaman kısmından kurtulabilmem için hassas bir spesifikasyonu destekliyor mu?

Sürüm olduğundan 0.15.0, artık .dtyalnızca tarih bileşenine erişmek için kolayca yapılabilir :

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

Yukarıdaki bir datetime.datedtype döndürür , eğer bir sahip olmak istiyorsanız , zaman bileşenini gece yarısına kadar datetime64yapabilirsiniz normalize, böylece tüm değerleri şu şekilde ayarlar 00:00:00:

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

Bu dtype değerini korur datetime64ancak ekranda sadece datedeğer gösterilir.

Basit Çözüm:

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

OP'nin sorusuna en doğrudan cevap olan EdChum'un cevabını iptal etsem de, performans problemini gerçekten çözmüyor (hala python datetimenesnelerine dayanıyor ve bu yüzden üzerlerindeki herhangi bir işlem vektörleştirilmeyecek - yani, yavaş olacaktır).

Daha iyi performans gösteren bir alternatif kullanmaktır df['dates'].dt.floor('d'). Açıkçası, sadece tarih kısmını tutmaz, çünkü sadece zamanı ayarlar 00:00:00. Ancak aşağıdaki durumlarda OP tarafından istendiği gibi çalışır:

• ekrana baskı
• csv'ye kaydetme
• sütununu kullanarak groupby

... ve operasyon vektörleştirildiğinden çok daha verimlidir.

DÜZENLEME: aslında, OP en tercih ederdik cevabı muhtemelen "son sürümlerini olduğunu pandasdo not Çünkü eğer csv için zaman yazma 00:00:00tüm gözlemler için".

Pandalar DatetimeIndexve tam olarak ne istediğinizi yapan Seriesbir yöntem var normalize.

Bu cevapta daha fazla bilgi bulabilirsiniz .

Olarak kullanılabilir ser.dt.normalize()

Pandas v0.13 +: Parametre to_csvile kullanındate_format

Kaçının, mümkünse sizin dönüştürme datetime64[ns]bir seriyi objectait d_type dizi datetime.datenesneler. İkincisi, çoğunlukla kullanılarak inşa pd.Series.dt.dateedilir, bir işaretçiler dizisi olarak saklanır ve saf bir NumPy tabanlı seriye göre verimsizdir.

CSV'ye yazarken endişeniz format olduğundan , date_formatparametresini kullanın to_csv. Örneğin:

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

Kuralları biçimlendirmek için Python strftimeyönergelerine bakın .

Bu, tarihi ayıklamanın basit bir yoludur:

import pandas as pd

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

Şuraya dönüştürülüyor datetime64[D]:

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

Yine de bunu bir DataFrame sütununa yeniden atamak [ns] 'a geri döndürecektir.

Gerçek istiyorsanız 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)])

Birisinin bu eski postayı görmesi durumunda daha güncel bir cevap vermek.

Tarih saatine dönüştürürken "utc = False" eklendiğinde, saat dilimi bileşeni kaldırılacak ve tarih datetime64 [ns] veri türünde tutulacaktır.

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

"ValueError: Excel zaman dilimleri ile dat zamanları desteklemiyor. Lütfen Excel'e yazmadan önce dat zamanlarının habersiz olduğundan emin olun.

Bir veri çerçevesindeki bir sütun kümesi için türü değiştirmek ve sonra gün tutmak zaman kaldırmak istedim. yuvarlak (), kat (), tavan () tüm işler

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