Python中无法将object类型转换为Y-m-d格式日期的问题

核心误区 #

你混淆了datetime类型的存储逻辑和显示/导出格式：datetime64[ns]类型本质存储的是时间戳数值，不是格式化字符串，你在不同场景看到的格式差异，是pandas渲染逻辑、导出规则决定的，和数据本身的存储没有关系。

格式不一致的原因 #

1. head()默认对短样本的datetime类型做简洁展示，会自动隐藏零值的时分秒、时区信息
2. 完整display()时会展示datetime的完整信息，你看到的T分隔符和+0000后缀，说明你的datetime列实际携带了UTC时区属性
3. 导出CSV时pandas默认采用ISO 8601标准格式输出datetime类型，因此会带上完整的时间、时区信息

操作冗余问题 #

你不需要来回在datetime和字符串之间反复转换，多余的转换步骤反而引入了不必要的时区属性，导致最终显示异常。

对应解决方案 #

方案1：保留datetime类型（支持后续日期运算） #

# 直接从原始object转datetime，同时清零时分秒，去掉时区属性
df['DATE'] = pd.to_datetime(df['DATE'], utc=False).dt.floor('d')
# 全局设置pandas显示datetime的格式，设置后head和display都会统一显示为%Y-%m-%d
pd.set_option('display.datetime_format', '%Y-%m-%d')
# 导出CSV时指定日期格式，避免输出时间和时区
df.to_csv('你的导出路径.csv', date_format='%Y-%m-%d', index=False)

方案2：直接存储为%Y-%m-%d格式的字符串（不需要日期运算时更简单） #

原始日期字符串前10位就是你要的日期部分，不需要做任何日期转换：

df['DATE'] = df['DATE'].str[:10]

这种方式下不管展示还是导出都是你需要的2024-08-01格式，缺点是列类型为object，不能直接做日期加减、分组等运算。

内容的提问来源于stack exchange，提问作者AMIT BISHT