Python中移除日期时间列的时间并恢复原始日期格式

从根源解决：读取Excel时就正确解析日期 #

你的问题核心是pd.read_excel默认按月/日/年解析日期字符串，但原始数据是日/月/年格式，加上合并后可能出现混合数据类型（部分工作表是字符串、部分是Timestamp），导致后续转换报错。直接在读取阶段修正，代码改成这样：

import pandas as pd

# 读取所有工作表，指定dayfirst=True让pandas按日/月/年解析日期
dfs = pd.read_excel('C:/Sam/Predicting Outcomes .xlsx', sheet_name=None, dayfirst=True, parse_dates=['Date_of_Birth'])
df_toAppend = pd.concat(dfs.values(), ignore_index=True)

# 去掉时间部分，转成纯日期格式
df_toAppend['Date_of_Birth'] = df_toAppend['Date_of_Birth'].dt.date

• dayfirst=True：明确告知pandas日期字符串的首位是日，次位是月，避免顺序颠倒。
• parse_dates=['Date_of_Birth']：指定要解析的日期列，确保读取后统一为datetime类型，杜绝混合类型问题。

修复已合并的问题DataFrame #

如果已经生成了有问题的DataFrame，按以下步骤处理：

1. 统一列的类型为字符串，解决混合类型冲突：

df['Date_of_Birth'] = df['Date_of_Birth'].astype(str)

2. 按原始日/月/年格式解析为datetime：

# 假设原始日期是"02/03/1992"这种斜杠分隔格式，指定format匹配
df['Date_of_Birth'] = pd.to_datetime(df['Date_of_Birth'], format='%d/%m/%Y', errors='coerce')

• errors='coerce'：遇到无法解析的内容会转为NaT，避免程序中断。

3. 去掉时间部分，按需输出格式：

# 转成不带时间的日期对象
df['Date_of_Birth'] = df['Date_of_Birth'].dt.date

# 或者转成字符串格式，比如"02/03/1992"
df['Date_of_Birth'] = df['Date_of_Birth'].dt.strftime('%d/%m/%Y')

你之前方法报错的原因 #

• 方法1：列是混合类型（含元组、非datetime对象），.dt访问器仅支持纯datetime列。
• 方法2：指定的%Y%M%d格式和实际数据完全不匹配，且数据中存在Timestamp转成的字符串，解析失败。
• 方法3：列中包含非字符串类型（如Timestamp对象），.str访问器仅支持纯字符串列。

内容的提问来源于stack exchange，提问作者Dav Sam