在导入csv数据时，保留日期而不保留时间的方法是使用pandas的to_datetime功能。

11 浏览
0 Comments

在导入csv数据时，保留日期而不保留时间的方法是使用pandas的to_datetime功能。

你能帮我解决以下问题吗？当我导入一个csv文件时，我得到了一个类似于以下的数据框：\ndf = pd.DataFrame([\'29/12/17\', \'30/12/17\', \'31/12/17\', \'01/01/18\', \'02/01/18\'], columns=[\'Date\'])\n我想要的是将df的\'Date\'列转换成日期时间对象。所以我使用了以下代码：\ndf[\'date_f\'] = pd.to_datetime(df[\'Date\'])\n我得到的结果类似于：\ndf1 = pd.DataFrame({\'Date\': [\'29/12/17\', \'30/12/17\', \'31/12/17\', \'01/01/18\', \'02/01/18\'], \'date_f\':[\'2017-12-29T00:00:00.000Z\', \'2017-12-30T00:00:00.000Z\', \'2017-12-31T00:00:00.000Z\', \'2018-01-01T00:00:00.000Z\', \'2018-02-01T00:00:00.000Z\']})\n问题是，为什么我得到的date_f是这种格式（\'2017-12-29T00:00:00.000Z\'），而不是简单的（\'2017-12-29\'），我该如何得到后一种格式（\'2017-12-29\'）？\n附注：\n如果你使用上述的代码，它会按照我需要的格式给出date_f。然而，如果数据是从csv导入的，它会提供上述指定的date_f格式。

0

1 答案

0 Comments

问题的出现原因是在使用pandas从csv文件导入数据时，希望保留日期而不保留时间信息。解决方法是使用pandas中的to_datetime函数，并结合dt.date方法或设置utc参数为False来仅保留日期部分。

具体的解决方法有两种：

第一种方法是使用to_datetime函数和dt.date方法。代码如下：

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

第二种方法是使用to_datetime函数，并将utc参数设置为False。代码如下：

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

两种方法得到的结果是相同的，即将日期部分提取出来，并保留为datetime对象，如下所示：

       Date     date_f
0  29/12/17 2017-12-29
1  30/12/17 2017-12-30
2  31/12/17 2017-12-31
3  01/01/18 2018-01-01
4  02/01/18 2018-02-01

通过使用上述方法，可以在导入csv数据时仅保留日期信息，而不保留时间信息。

0