本文详解如何在读取 excel 文件后，针对 datetime 类型的列数据（尤其是从日期字符串自动解析出的带时间戳的 series），精准剥离时间部分、只保留日期对象或字符串格式，并指出常见误区与最佳实践。
本文详解如何在读取 excel 文件后，针对 datetime 类型的列数据（尤其是从日期字符串自动解析出的带时间戳的 series），精准剥离时间部分、只保留日期对象或字符串格式，并指出常见误区与最佳实践。
在使用 pandas.read_excel() 读取 .xlsm 文件时，若列头或单元格中包含类似 20221031 的纯日期字符串，Excel 或 Pandas 可能会自动将其识别为 datetime 类型（如 2022-10-31 00:00:00）。此时，若目标是统一保留“仅日期”语义（即去掉 00:00:00 时间部分），需明确区分两种场景：列名（headers）处理 vs 列数据（values）处理。本教程聚焦后者——即对 DataFrame 中已解析为 datetime64 类型的列值进行时间戳清洗。
✅ 正确做法：使用 .dt.date() 获取 Python date 对象
df[column].dt.date() 将每条 datetime 值转换为原生 datetime.date 对象（如 datetime.date(2022, 10, 31)），彻底移除时间信息，且保持轻量、可序列化、兼容多数下游操作（如分组、绘图、导出为 CSV）：
import pandas as pd
# 示例：读取数据（假设第3列起为日期列）
df = pd.read_excel("data.xlsm")
# 遍历所有列，对 datetime 类型列执行 date 提取
for col in df.columns:
if pd.api.types.is_datetime64_any_dtype(df[col]):
df[col] = df[col].dt.date # 注意：.dt.date 是属性，非方法调用（不加括号）⚠️ 关键细节：.dt.date 是一个属性（property），不是方法，因此不能写成 .dt.date()（加括号会报错）。这是初学者常见错误。
❌ 原方案为何失效？
您尝试的代码：
df[column] = df[column].dt.strftime('%Y-%m-%d') # 返回 str 类型虽能生成 '2022-10-31' 字符串，但存在两个隐患：
- 数据类型变为 object（字符串），丧失日期计算能力（如 df[col] + pd.Timedelta('1D') 将失败）；
- 若后续需再次解析为日期，将引入冗余转换开销与潜在格式风险。
而 .dt.date 返回的是 date 对象，既无时间成分，又保留了日期语义完整性。
? 进阶建议：按需选择输出格式
| 目标 | 推荐方式 | 输出类型 | 适用场景 |
|---|---|---|---|
| 保留日期语义 + 支持日期运算 | df[col].dt.date | datetime.date | 分组统计、条件筛选、导出为 Excel（自动识别为日期） |
| 导出为 CSV 且需标准字符串格式 | df[col].dt.strftime('%Y-%m-%d') | str | 与非 Python 系统对接、日志记录 |
| 保持 datetime64 类型但归零时间 | df[col].dt.normalize() | datetime64[ns] | 需参与时间序列分析，但忽略当日内变化 |
? 特别注意：列名（headers）不适用 .dt
若您实际想修改的是列名本身（例如将 '2022-10-31 00:00:00' 列名改为 '2022-10-31'），则需单独处理 df.columns，因为 .dt 仅作用于 Series 值，不适用于索引或列名：
# 修改列名中的 datetime 字符串（如列名是 Timestamp 对象）
df.columns = [
col.strftime('%Y-%m-%d') if isinstance(col, pd.Timestamp) else col
for col in df.columns
]✅ 总结
- 对 datetime 列值去时间戳，首选 df[col].dt.date（属性，不加括号）；
- 避免盲目用 strftime 转字符串，除非明确需要文本输出；
- 区分「列数据」与「列名」的处理逻辑，二者 API 完全不同；
- 使用 pd.api.types.is_datetime64_any_dtype() 是判断 datetime 类型的健壮方式，兼容 datetime64[ns]、datetime64[D] 等变体。
通过以上方法，您可高效、安全地清理从 Excel 自动解析出的冗余时间戳，确保数据整洁性与分析一致性。
