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

相关问题

def big_countries(world: pd.DataFrame) -> pd.DataFrame:

def big_countries(world: pd.DataFrame) -> pd.DataFrame是一个在pandas中定义的函数，它的参数是一个名为world的DataFrame。该函数的目的是过滤出符合条件的国家，并返回一个新的DataFrame，包含'name'、'population'和'area'这三列的数据。通过使用条件判断，将满足条件的行筛选出来，然后再选择所需的列返回。具体的实现方法有两种，一种是使用pandas写法，另一种是使用行过滤方法。在这两种方法中，都使用了与运算符(|)和比较运算符(>=)来对DataFrame进行条件判断，以筛选出符合条件的行。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [【Leetcode 30天Pandas挑战】学习记录 上](https://blog.csdn.net/cwtnice/article/details/132065786)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [Pandas【条件筛选】](https://blog.csdn.net/Henry_Zhao10/article/details/132050959)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

在pd中，如何将2023-05-17 00:00:00的后面时分秒去掉

在 Pandas 中，可以使用 `pandas.Series.dt.date` 方法将 `datetime` 类型的列转换为日期类型，并去掉时分秒部分。

示例代码如下：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({'date': ['2023-05-17 00:00:00', '2023-05-18 12:30:00']})

# 将 date 列转换为 datetime 类型
df['date'] = pd.to_datetime(df['date'])

# 提取日期并覆盖原来的 date 列
df['date'] = df['date'].dt.date

print(df)

输出结果如下：

         date
0  2023-05-17
1  2023-05-18

可以看到，日期部分已经被提取出来，并且时分秒部分已经被去掉了。