dataframe删除日期中的时间

可以使用 pandas 的 strftime() 函数将日期中的时间删除。具体实现方法可以参考以下代码片段：

import pandas as pd

# 创建一个包含日期和时间的 dataframe
df = pd.DataFrame({'date': ['2021-09-07 13:30:00', '2021-09-08 12:45:00']})

# 将日期字符串转换成 datetime 对象
df['date'] = pd.to_datetime(df['date'])

# 使用 strftime() 函数删除时间部分并重新转换回字符串格式
df['date'] = df['date'].apply(lambda x: x.strftime('%Y-%m-%d'))

# 打印处理后的 dataframe
print(df)

输出结果如下：

         date
0  2021-09-07
1  2021-09-08

注意：以上代码仅供参考，具体实现方法可能需要根据实际情况进行调整。

相关问题

Dataframe中没有问题归纳

Dataframe 是 Pandas 库中用于处理结构化数据的核心对象之一。它类似于电子表格，可以存储和操作表格数据。在使用 Dataframe 时，需要注意以下几个常见的问题：

1. 数据类型问题：在读入数据时，需要确认每一列的数据类型是否正确，特别是日期、时间、数字等数据类型。

2. 缺失值问题：在处理数据时，可能会遇到缺失值，需要考虑如何填充或删除这些缺失值。

3. 重复数据问题：有时候数据会有重复的行或列，需要通过去重等方法进行处理。

4. 数据格式问题：在输出数据时，需要确认数据的格式是否正确，例如是否需要加上表头、是否需要进行数据格式转换等。

以上这些问题都需要仔细处理，以确保 Dataframe 中的数据质量和准确性。

1.建一个DataFrame对象，存储时间信息。 2.将year列的缺失值替换为“2021"， 将month列的缺失值替换为“9"3.删除所有重复的行。 4.将时间信息组合成时间，并将其添加到DataFrame对象的列末。

首先，我们假设你已经有了一个DataFrame `df`，并且它有`year`和`month`这两列包含日期信息。下面是针对你的需求逐步操作：

1. **创建DataFrame对象存储时间信息**:
假设原始数据如下（使用pandas的Series表示）：

   data = {'year': [2022, None, 2021, 2022], 'month': [8, None, 9, 7]}
   df = pd.DataFrame(data)

2. **替换缺失值**:
使用`fillna()`函数替换`year`和`month`列的缺失值：

   df['year'].fillna(value="2021", inplace=True)
   df['month'].fillna(value="9", inplace=True)

`inplace=True`表示直接修改原 DataFrame 而不是返回一个新的。

3. **删除重复行**:
可以使用`drop_duplicates()`函数：

   df.drop_duplicates(inplace=True)

4. **组合时间并添加到列尾**:
使用`pd.to_datetime`将年月列转换为datetime对象，然后组合成完整的日期时间：

   date_columns = ['year', 'month']
   df[date_columns] = df[date_columns].apply(lambda row: pd.to_datetime(row).dt.strftime('%Y-%m'))  # 保留年月格式
   df['datetime_column'] = pd.to_datetime(df[date_columns].agg('-'.join, axis=1))  # 合并两列形成完整日期
   df = df.drop(date_columns, axis=1)  # 删除原始的年月列

   # 现在'datetime_column'包含了完整的日期时间信息