Pandas date列转object后apply返回Timestamp及去除00:00:00问题

疑问1：已将date列转为object类型，为什么自定义函数接收的参数还是Timestamp类型？ #

你调用astype("object")仅会修改列的容器存储类型为object，并不会改变列中每个元素本身的类型，原datetime类型的元素本质还是pandas._libs.tslibs.timestamps.Timestamp对象，只是被放在了object类型的列容器中。

疑问2：为什么处理后date列类型自动变回datetime64[ns]？ #

pandas对列赋值时会自动推断最适配的存储类型，你的自定义函数原样返回了Timestamp对象，整列都是同类型Timestamp的情况下，pandas会自动将列的dtype调整为更紧凑高效的datetime64[ns]，而非继续使用空间占用更高的object类型，这是pandas的内置类型推断优化逻辑。

疑问3：如何在自定义函数中去除日期后的00:00:00？ #

首先注意你当前定义的函数def date_func(value)末尾缺少冒号，属于语法错误，运行前需要先补上。你可以根据需求选择以下两种处理方案： #

方案1：保留日期对象类型，仅去除时分秒

修改函数返回Timestamp对应的date对象即可：

def date_func(value):
    print(type(value))
    # 提取纯日期部分，返回datetime.date类型对象
    return value.date()

df["date"] = df["date"].apply(date_func)

处理后date列的dtype为object，打印时不会显示时分秒。 #

方案2：转为YYYY-MM-DD格式的字符串

修改函数返回格式化后的字符串：

def date_func(value):
    print(type(value))
    # 格式化输出为指定格式的日期字符串
    return value.strftime("%Y-%m-%d")

df["date"] = df["date"].apply(date_func)

处理后date列存储字符串类型的日期，不会显示时分秒。 #

性能优化提示：无需自定义函数调用apply，直接使用pandas内置的dt属性处理效率更高，等效写法如下：
转纯日期对象：df["date"] = df["date"].dt.date
转日期字符串：df["date"] = df["date"].dt.strftime("%Y-%m-%d")

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