如何去除pandas DateTimeIndex中的多余毫秒数？

我懂你这种烦躁的感觉——用pandas.date_range()生成时间序列时，莫名其妙冒出来的多余毫秒/纳秒确实很闹心，而且你试的几种方法都没彻底解决对吧？别慌，这里有几个更高效靠谱的方案：

方案1：用floor()或round()截断/取整到秒 #

这是最直接的矢量化操作，能彻底移除所有秒以下的时间单位：

import pandas as pd
dr = pd.date_range('2011-01-01', '2011-01-03', periods=15)

# 向下截断到最近的整秒（推荐，完全移除小数部分）
dr_clean = dr.floor('S')
print(dr_clean)

# 或者四舍五入到整秒（根据需求选择）
dr_clean_round = dr.round('S')
print(dr_clean_round)

输出的DatetimeIndex会完全变成YYYY-MM-DD HH:MM:SS格式，没有任何多余的毫秒/纳秒。

方案2：批量替换微秒为0 #

DatetimeIndex支持直接调用replace()方法批量修改时间属性，一步清零所有秒以下的单位：

dr_clean = dr.replace(microsecond=0)
print(dr_clean)

这个方法比你之前的循环或apply高效得多，因为它是pandas底层优化的矢量化操作，不需要逐元素处理。

方案3：转换为秒级精度的datetime类型 #

如果需要从底层存储层面就用秒精度（而不是默认的纳秒），可以这样转换：

# 先转成numpy的秒级datetime64，再重构DatetimeIndex
dr_seconds = pd.DatetimeIndex(dr.astype('datetime64[s]'))
print(dr_seconds)

这样生成的时间序列会以秒为最小单位存储，彻底避免小数时间单位的问题。

为什么你之前的方法没生效？ #

• 方法1用pd.to_datetime(item, format='%Y-%m-%d %H:%M:%S')无效，是因为item本身已经是Timestamp类型了，format参数只对字符串输入生效，对datetime对象不起作用。
• 方法2直接astype('datetime64[s]')报错，是因为DatetimeIndex不能直接通过astype转换精度，需要先转成numpy数组再重构索引（就是方案3的做法）。
• 方法3的apply(lambda x:x.replace(microseconds=0))残留纳秒，大概率是因为底层存储的精度问题，用floor('S')可以彻底截断所有低于秒的单位，解决这个问题。

内容的提问来源于stack exchange，提问作者IMCoins