如何移除DataFrame日期列的时分秒？解决strptime参数报错

我来帮你搞定这个问题～你遇到的报错原因很明确：datetime.datetime.strptime()是Python标准库里用来处理单个字符串的函数，而你传入的df['Date']是一个pandas Series（整列数据），它自然没办法直接处理，所以才会抛出strptime() argument 1 must be str, not Series这个错误。

下面给你几个简单靠谱的解决方案，按需选择：

方法1：利用pandas的datetime处理（推荐） #

pandas本身对日期时间处理有非常友好的支持，先把Date列转换成datetime类型，再提取日期部分就好：

import pandas as pd

# 第一步：将Date列转为pandas datetime类型（如果还没转换的话）
df['Date'] = pd.to_datetime(df['Date'])

# 第二步：提取纯日期部分，结果是YYYY-MM-DD格式的date对象
df['Date'] = df['Date'].dt.date

如果希望保留datetime64类型（只是把时分秒置为00:00:00），可以用normalize()或者floor()方法：

# 把时分秒统一转为00:00:00，仍为datetime64类型
df['Date'] = pd.to_datetime(df['Date']).dt.normalize()
# 或者用floor按天截断
df['Date'] = pd.to_datetime(df['Date']).dt.floor('D')

方法2：直接截取字符串（适合Date列已为字符串类型） #

如果你的Date列本身就是字符串格式，也可以直接截取前10位字符（因为YYYY-MM-DD刚好是10个字符）：

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

验证结果 #

执行完上面任意一种方法后，打印df就能得到你想要的效果：

Date       Price
2018-01-02  2
2018-01-02  4
2018-01-02  6
...

小提示：优先用方法1，因为转换成datetime类型后，后续做日期筛选、分组、计算等操作会更方便，而字符串类型的日期在复杂操作中容易出问题～

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