Mantenha apenas parte da data ao usar pandas.to_datetime

Eu uso pandas.to_datetimepara analisar as datas nos meus dados. Por padrão, os pandas representam as datas datetime64[ns], embora as datas sejam apenas diárias. Gostaria de saber se existe uma maneira elegante / inteligente de converter as datas para datetime.dateou datetime64[D]para que, quando eu escrevo os dados em CSV, as datas não sejam anexadas 00:00:00. Eu sei que posso converter o tipo manualmente, elemento por elemento:

[dt.to_datetime().date() for dt in df.dates]

Mas isso é muito lento, pois tenho muitas linhas e meio que derrota o propósito de usar pandas.to_datetime. Existe uma maneira de converter a dtypecoluna inteira de uma só vez? Ou, como alternativa, pandas.to_datetimesuporta uma especificação de precisão para que eu possa me livrar da parte do tempo enquanto trabalho com dados diários?

Desde a versão, 0.15.0agora isso pode ser feito facilmente usando .dtpara acessar apenas o componente de data:

df['just_date'] = df['dates'].dt.date

O exemplo acima retorna um datetime.datedtype; se você deseja obter um datetime64, é possível apenas normalizeo componente de horário para meia-noite, para que ele defina todos os valores para 00:00:00:

df['normalised_date'] = df['dates'].dt.normalize()

Isso mantém o tipo, datetime64mas a tela mostra apenas o datevalor.

Solução Simples:

df['date_only'] = df['date_time_column'].dt.date

Embora eu tenha votado positivamente na resposta de EdChum, que é a resposta mais direta à pergunta feita pelo OP, ele realmente não resolve o problema de desempenho (ainda depende de datetimeobjetos python e, portanto, qualquer operação neles não será vetorizada - ou seja, será lento).

Uma alternativa com melhor desempenho é usar df['dates'].dt.floor('d'). Estritamente falando, ele "não mantém apenas parte da data", pois apenas define a hora 00:00:00. Mas funciona como desejado pelo OP quando, por exemplo:

• impressão em tela
• salvando em csv
• usando a coluna para groupby

... e é muito mais eficiente, pois a operação é vetorizada.

EDIT: na verdade, a resposta do OP teria preferido é, provavelmente, "versões recentes do pandasque não escrever o tempo para csv se é 00:00:00para todas as observações".

Pandas DatetimeIndexe Seriestem um método chamado normalizeque faz exatamente o que você deseja.

Você pode ler mais sobre isso nesta resposta .

Pode ser usado como ser.dt.normalize()

Pandas v0.13 +: use to_csvcom o date_formatparâmetro

Evite, sempre que possível, converter sua datetime64[ns]série em uma objectsérie de tipos de datetime.dateobjetos. O último, geralmente construído usando pd.Series.dt.date, é armazenado como uma matriz de ponteiros e é ineficiente em relação a uma série pura baseada em NumPy.

Como sua preocupação é o formato ao gravar em CSV , use o date_formatparâmetro de to_csv. Por exemplo:

df.to_csv(filename, date_format='%Y-%m-%d')

Veja as strftimediretrizes do Python para convenções de formatação.

Esta é uma maneira simples de extrair a data:

import pandas as pd

d='2015-01-08 22:44:09' 
date=pd.to_datetime(d).date()
print(date)

Convertendo para datetime64[D]:

df.dates.values.astype('M8[D]')

Embora a atribuição novamente a um col DataFrame o reverta para [ns].

Se você queria real datetime.date:

dt = pd.DatetimeIndex(df.dates)
dates = np.array([datetime.date(*date_tuple) for date_tuple in zip(dt.year, dt.month, dt.day)])

Basta dar uma resposta mais atualizada caso alguém veja este post antigo.

Adicionar "utc = False" ao converter para datetime removerá o componente de fuso horário e manterá apenas a data no tipo de dados datetime64 [ns].

pd.to_datetime(df['Date'], utc=False)

Você poderá salvá-lo no Excel sem receber o erro "ValueError: O Excel não oferece suporte a horários com fusos horários. Verifique se o horário está inconsciente antes de gravar no Excel".

Queria poder alterar o tipo de um conjunto de colunas em um quadro de dados e remover o horário mantendo o dia. redondo (), piso (), teto () todo o trabalho

df[date_columns] = df[date_columns].apply(pd.to_datetime)
df[date_columns] = df[date_columns].apply(lambda t: t.dt.floor('d'))