如何将DataFrame的DateTimeIndex转换为日期索引？

原始代码与数据结构 #

import pandas as pd
data = pd.read_csv('EURUSD=X.csv')
data['DateTime'] = pd.to_datetime(data['Gmt time'])
data = data.set_index('DateTime')

生成的DataFrame结构如下：

尝试的代码及错误 #

• 第一次尝试：

data['Day'] = data.date()

错误信息：AttributeError: 'DataFrame' object has no attribute 'date'

• 第二次尝试：

data.groupby(["Day"])["close"]

错误信息：KeyError: 'Day'

期望输出 #

Open    High    Low  Close     Volume
DateTime                    
2003-04-05  1.12284 1.12338 1.12242 1.12305 29059.0996
2003-04-05  1.12274 1.12302 1.12226 1.12241 26091.8008
2003-04-05  1.12235 1.12235 1.12160 1.12169 29240.9004
2003-05-05  1.12161 1.12314 1.12154 1.12258 29914.8008
2003-05-05  1.12232 1.12262 1.12099 1.12140 28370.6992

要将DateTimeIndex转换为仅含日期的索引，需针对索引对象操作，而非整个DataFrame，以下是几种可行方法：

方法1：直接替换原索引（最简洁） #

直接将DateTimeIndex转换为日期类型，去除时间部分：

data.index = data.index.date

执行后索引会变为datetime.date类型，完全匹配你的期望输出。

方法2：先新增日期列再设置索引（保留原索引可选） #

如果需要保留原时间索引，可以先新增日期列，再按需设置为新索引：

# 添加日期列
data['Day'] = data.index.date
# 可选：将Day设为新索引替换原DateTime
data = data.set_index('Day')

方法3：按日期分组聚合（若需统计每日数据） #

如果最终目的是按日期计算聚合值（比如每日收盘价均值），无需单独修改索引，直接用索引的date属性分组即可：

# 按日期分组，计算Close列的每日均值
daily_close_avg = data.groupby(data.index.date)['Close'].mean()

错误原因说明 #

• data.date()报错：date()是DatetimeIndex的方法，不是DataFrame的方法，正确写法是data.index.date。
• KeyError: 'Day'报错：因为尚未创建Day列，无法用不存在的列分组，需先创建该列或直接用索引属性分组。

内容的提问来源于stack exchange，提问作者Niko