英文:
Cleaner way of getting date out of pandas timestamp
问题
假设我有一个如下的数据框（DataFrame）：
foo = pd.DataFrame({'a': [1, 2, 3],'b': ['2021-01-05 05:15', '2021-01-06 11:10', '2021-03-01 09:00']})
我想将列 b 转换为日期时间，并仅提取日期部分。我可以这样做：
foo['date'] = pd.to_datetime(foo.b).dt.date
但尽管这会返回一个包含日期时间对象的NumPy数组，Pandas并不会识别它，而是将列的数据类型分配为 object：
foo.dtypes输出:a int64b objectdate objectdtype: object
我当然可以通过再次将它转换为日期时间来将其更改为日期时间：
foo['date'] = pd.to_datetime(pd.to_datetime(foo.b).dt.date)
我也可以使用字符串切片来获取日期部分：
foo['date2'] = pd.to_datetime(foo.b.str[:10])
但我觉得应该有一种更简洁的方法来从日期时间列中获取日期。
英文:
Suppose I have a df like so:
foo = pd.DataFrame({'a': [1, 2, 3],'b': ['2021-01-05 05:15', '2021-01-06 11:10', '2021-03-01 09:00']})
And I want to convert column b to datetime and extract only the date part. I can do something like:
foo['date'] = pd.to_datetime(foo.b).dt.date
But even though this returns a Numpy array of datetime objects, Pandas doesn't recognise this and assigns an object dtype to the column:
foo.dtypesOut:a int64b objectdate objectdtype: object
I can of course get it to be a datetime by casting it to datetime again:
foo['date'] = pd.to_datetime(pd.to_datetime(foo.b).dt.date)
I can also get it with string slicing
foo['date2'] = pd.to_datetime(foo.b.str[:11])
But I feel like there must be a cleaner way of getting a date out of datetime column.
答案1
得分: 3
你可以使用 dt.normalize：
foo['date'] = pd.to_datetime(foo['b']).dt.normalize()
输出：
>>> fooa b date0 1 2021-01-05 05:15 2021-01-051 2 2021-01-06 11:10 2021-01-062 3 2021-03-01 09:00 2021-03-01>>> foo.dtypesa int64b objectdate datetime64[ns]dtype: object
然而，你最后的解决方案也是一个不错的解决方案：pd.to_datetime(foo.b.str[:11])。
英文:
You can use dt.normalize:
foo['date'] = pd.to_datetime(foo['b']).dt.normalize()
Output:
>>> fooa b date0 1 2021-01-05 05:15 2021-01-051 2 2021-01-06 11:10 2021-01-062 3 2021-03-01 09:00 2021-03-01>>> foo.dtypesa int64b objectdate datetime64[ns]dtype: object
However your last solution is a good solution pd.to_datetime(foo.b.str[:11]).
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论