Pandas：移除多层索引指定层级的时间戳，仅保留日期

咱先把问题拆解清楚：你的多层索引里，时间层既有纯日期字符串，又有带时分秒的时间戳，目标是统一成YYYY-MM-DD的纯日期格式，同时把索引拆成单独的Date、Name列，对吧？下面给你一步步搞定的方案：

步骤1：构造示例数据（方便你测试） #

先把你给出的混乱索引DataFrame还原出来，方便后续操作：

import pandas as pd

# 还原你的示例DataFrame
data = {'Count': [1, 3, 5, 7, 9]}
raw_index = pd.MultiIndex.from_tuples(
    [
        ('2020-01-01', 'ABC1'),
        ('2019-04-11 00:00:00', 'ABC2'),
        ('2020-04-15 00:00:00', 'ABC3'),
        ('2019-10-29', 'ABC4'),
        ('2019-08-10', 'ABC5')
    ]
)
df = pd.DataFrame(data, index=raw_index)

步骤2：清洗时间索引并重构DataFrame #

核心思路是用Pandas的to_datetime自动识别各种时间格式，然后提取纯日期部分：

# 先把多层索引转换成普通列，方便处理
df_reset = df.reset_index()

# 处理时间列：统一转成datetime后提取纯日期，再转成字符串
df_reset['level_0'] = pd.to_datetime(df_reset['level_0']).dt.date.astype(str)

# 给列重命名，和你的期望输出匹配
df_reset.rename(columns={'level_0': 'Date', 'level_1': 'Name'}, inplace=True)

# 调整列顺序，和目标输出一致
final_df = df_reset[['Date', 'Name', 'Count']]

最终输出 #

运行完上面的代码后，final_df就是你要的结果：

注：你给出的期望输出里ABC4的日期是2019-10-24，但原数据里是2019-10-29，代码会按原数据处理，要是需要修改可以直接调整原数据或者用final_df.loc[final_df['Name'] == 'ABC4', 'Date'] = '2019-10-24'手动替换。

内容的提问来源于stack exchange，提问作者Zizzipupp