dataframe中日期格式为（2017/1/1 0:00:00），如何将其改为（2017/1/1）

你可以使用pandas的to_datetime()函数将日期格式的列转换为pandas的日期时间格式，然后再使用dt.date属性将其格式化为日期格式。具体实现如下：

import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({'date': ['2017/1/1 0:00:00', '2017/1/2 0:00:00', '2017/1/3 0:00:00']})

# 将日期格式的列转换为pandas日期时间格式
df['date'] = pd.to_datetime(df['date'])

# 将日期时间格式的列格式化为日期格式
df['date'] = df['date'].dt.date

# 输出转换后的数据框
print(df)

输出结果如下：

         date
0  2017-01-01
1  2017-01-02
2  2017-01-03

可以看到，日期格式的列已经被成功转换为了日期格式。

相关问题

在dataframe中如何修改'2020-05-16T00:00:00.000000000'为'2020-05-16'

你可以使用pandas库中的to_datetime()方法将日期时间字符串转换为datetime类型，然后再使用strftime()方法将日期时间格式化为所需的字符串格式。具体代码如下：

import pandas as pd

# 创建一个包含日期时间字符串的DataFrame
df = pd.DataFrame({'date': ['2020-05-16T00:00:00.000000000', '2020-05-17T00:00:00.000000000']})

# 将字符串转换为datetime类型
df['date'] = pd.to_datetime(df['date'])

# 格式化为所需的字符串格式
df['date'] = df['date'].dt.strftime('%Y-%m-%d')

# 输出结果
print(df)

运行结果为：

         date
0  2020-05-16
1  2020-05-17

修改dataframe中每一列的格式

您可以使用 Pandas 库来修改 DataFrame 中每一列的格式。

假设您要将 DataFrame 中所有列的数据类型从字符串 (object) 转换为浮点数 (float)，可以使用以下代码：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 将所有列的数据类型从字符串转换为浮点数
df = df.astype(float)

# 打印修改后的 DataFrame
print(df)

如果您只想修改一列或多列的数据类型，可以使用 `astype()` 方法，例如：

# 将 'col1' 和 'col2' 列的数据类型从字符串转换为浮点数
df[['col1', 'col2']] = df[['col1', 'col2']].astype(float)

另外，如果您想将 DataFrame 中的日期列转换为 datetime 类型，可以使用 `pd.to_datetime()` 方法，例如：

# 将 'date' 列的数据类型从字符串转换为 datetime
df['date'] = pd.to_datetime(df['date'])

这将使 Pandas 将字符串格式的日期转换为 datetime 类型。