如何在Python中从日期时间中删除时间？
如何在Python中从日期时间中删除时间？
我使用pandas.to_datetime来解析我的数据中的日期。尽管日期都是每天的，但Pandas默认使用datetime64[ns]来表示日期。\n我想知道是否有一种优雅/聪明的方法可以将日期转换为datetime.date或datetime64[D]，这样在将数据写入CSV时，日期不会附加00:00:00。我知道我可以逐个元素地手动转换类型：\n[dt.to_datetime().date() for dt in df.dates]\n但是这样做非常慢，因为我有很多行，而且这有点违背了使用pandas.to_datetime的目的。有没有一种一次性转换整列的dtype的方法？或者，pandas.to_datetime是否支持精度规范，以便在处理每日数据时可以去掉时间部分？
问题的出现原因是，虽然stackoverflow上有一个回答了问题，但它没有解决性能问题，因为它仍然依赖于Python的datetime对象，所以对它们的任何操作都不会向量化，即速度较慢。所以需要一个更高效的替代方法。
解决方法是使用pandas库中的dt.floor('d')方法，它可以将时间部分设置为00:00:00，从而达到只保留日期部分的效果。这种方法在以下情况下能够满足要求：
- 打印到屏幕上
- 保存为csv文件
- 在groupby操作中使用该列
这种方法更高效，因为它是向量化的操作。
编辑：事实上，OP更喜欢的答案可能是“如果所有的观测值的时间都是00:00:00，最新版本的pandas不会将其写入csv文件”。不幸的是，to_json仍然会写入完整的00:00:00。
这种方法比dt.normalize()在长度超过几百个元素的序列上更快。在一个超过100万行的数据框中，这种方法比我找到的其他选项都要快得多，只有normalize稍微慢一些。此外，保持日期部分是pandas本地的，这意味着它可以保存到HDF存储中（从pandas 1.1.4开始，datetime.date列无法保存到HDF存储中）。
问题的原因是：需要从Python的datetime对象中删除时间部分。
解决方法是：使用dt.date方法从datetime对象中提取日期部分，并将其赋值给一个新的列date_only。但需要注意的是，此操作会将列的类型更改为对象类型，因此需要使用astype('datetime64')将其转换回datetime类型以保持一致性。
以下是完整的代码解决方案：
df['date_only'] = df['date_time_column'].dt.date
df['date_only'] = df['date_only'].astype('datetime64')
这样就可以从Python的datetime对象中删除时间部分并保持一致性了。
