使用pandas导入CSV时，如何让to_datetime仅保留日期而非时间？

为什么会显示带时间的ISO格式？ #

• pandas的pd.to_datetime转换后生成的是datetime64[ns]类型，本身包含日期和时间信息（默认时间为00:00:00）。你看到的2017-12-29T00:00:00.000Z是ISO 8601标准的UTC时间格式，出现这种显示通常有两个原因：
  1. 从CSV导入数据时，pandas的显示配置或数据序列化方式触发了ISO格式输出（比如某些环境下默认用ISO格式展示datetime类型）；
  2. 直接创建DataFrame时，pandas会自动省略全为0的时间部分，但导入CSV时的元数据处理逻辑不同，导致完整格式被展示。

另外注意你的示例里存在日期解析错误：02/01/18被解析成了2018-02-01，这是因为pd.to_datetime默认采用美式月/日/年解析顺序，而你的数据是日/月/年格式，必须指定dayfirst=True才能正确解析。

如何只显示日期部分？ #

根据需求选择以下方法：

1. 保留datetime类型，仅修改显示格式 #

如果还要用datetime类型做后续时间运算（比如排序、筛选、计算间隔），只改显示样式：

# 设置全局默认显示格式，所有datetime列都会按此展示
pd.options.display.date_format = '%Y-%m-%d'

# 或者临时查看时格式化单个列
print(df['date_f'].dt.strftime('%Y-%m-%d'))

2. 转换为字符串类型，永久保留日期文本 #

如果不需要datetime类型，直接转成纯日期字符串：

# 先正确解析日期，再转成字符串格式
df['date_f'] = pd.to_datetime(df['Date'], dayfirst=True).dt.strftime('%Y-%m-%d')

3. 导入CSV时直接处理（最推荐） #

从源头解决，导入CSV时就指定日期格式和解析规则，避免后续麻烦：

# pandas 1.1.0+版本可以直接用format参数
df = pd.read_csv('your_file.csv', parse_dates=['Date'], format='%d/%m/%y')

# 旧版本可以用date_parser
from datetime import datetime
df = pd.read_csv('your_file.csv', parse_dates=['Date'], date_parser=lambda x: datetime.strptime(x, '%d/%m/%y'))

内容的提问来源于stack exchange，提问作者Alberto Alvarez