Pandas格式化DataFrame中除首列外的日期时间列标题

这问题我之前也碰到过，处理datetime类型的列标题其实很简单，用列表推导式或者自定义映射函数就能轻松搞定，结合你的测试数据，给你具体的解决方案：

基础解决方案（针对datetime.datetime类型列名） #

先把你的测试数据补全，然后直接处理列名：

import pandas as pd
import datetime

# 测试数据
d = {
    datetime.datetime(2018, 1, 31, 8, 0): [9.1, 8.5, 7.4, 6.5, 5.3],
    datetime.datetime(2018, 2, 28, 9, 0): [9.2, 8.5, 7.2, 6.1, 5.2],
    datetime.datetime(2018, 3, 31, 10, 0): [9.3, 8.5, 7.1, 6.1, 5.1],
    'ID': [1, 2, 3, 4, 5],
}
# 构建完整的DataFrame
df = pd.DataFrame(d, columns=['ID', datetime.datetime(2018, 1, 31, 8, 0), datetime.datetime(2018, 2, 28, 9, 0), datetime.datetime(2018, 3, 31, 10, 0)])

# 格式化datetime类型列标题：这里用'%Y-%m-%d %H:%M'格式，你可以按需调整
df.columns = [col.strftime('%Y-%m-%d %H:%M') if isinstance(col, datetime.datetime) else col for col in df.columns]

# 查看处理后的列名
print(df.columns)

运行后，列名会变成：
Index(['ID', '2018-01-31 08:00', '2018-02-28 09:00', '2018-03-31 10:00'], dtype='object')

兼容Pandas Timestamp类型的情况 #

如果你是从Excel读取的数据，列名可能会被解析成pd.Timestamp类型（而非原生datetime），这时候只需要扩展判断条件，同时兼容两种类型：

# 兼容datetime和Timestamp的格式化逻辑
df.columns = [col.strftime('%Y-%m-%d %H:%M') if isinstance(col, (datetime.datetime, pd.Timestamp)) else col for col in df.columns]

更灵活的自定义格式化函数 #

如果你的格式化逻辑比较复杂（比如不同日期需要显示不同格式），可以写一个自定义函数，用map方法批量处理：

def format_column_name(col):
    # 判断是否为日期时间类型
    if isinstance(col, (datetime.datetime, pd.Timestamp)):
        # 自定义格式：比如只显示日期部分
        return col.strftime('%Y-%m-%d')
    # 非日期时间类型的列名直接返回
    return col

# 应用格式化函数到所有列名
df.columns = df.columns.map(format_column_name)

这样处理后，日期列名会变成2018-01-31这种纯日期格式，完全可以根据你的需求调整格式字符串。

内容的提问来源于stack exchange，提问作者ProgSky