DataFrame DateTime索引格式化问题：strftime批量调用报错求助

哦，这个坑我之前踩过！你报错的原因很明确：strftime不是一个可以直接调用的全局函数，它是datetime对象专属的内置方法——所以你直接把strftime传给map()时，Python找不到这个函数，自然会报错。而单独调用df1.index[0].strftime(...)能正常运行，是因为df1.index[0]本身就是一个datetime对象，它自带这个方法。

下面给你两种简单可行的解决方案：

方法1：用lambda表达式配合map遍历处理 #

通过lambda函数，让索引里的每一个datetime元素都调用自己的strftime方法：

df.index = df.index.map(lambda x: x.strftime('%Y-%m-%d'))

这个方法很直观，lambda会逐个处理索引中的元素，完美适配你的需求。

方法2：直接用DatetimeIndex的strftime方法（更高效） #

如果你的索引是pandas.DatetimeIndex类型（大部分情况下都是），可以直接调用索引自带的strftime方法，这是pandas提供的向量化操作，比map遍历效率更高：

df.index = df.index.strftime('%Y-%m-%d')

一行代码就能完成批量格式化，非常简洁。

额外小提示 #

如果之后你还需要对索引做时间相关的运算（比如筛选某段日期、计算时间差），建议不要把索引转成字符串类型，而是保留DatetimeIndex。可以用下面的方法把索引截断到日期级别，同时保留datetime类型：

df.index = df.index.floor('D')

这样既实现了只保留年月日的效果，又不丢失datetime类型的便利性。

内容的提问来源于stack exchange，提问作者may