在数据处理与分析的领域中，经常需要对时间进行处理。pandas是一个用于数据分析的Python库，使用pandas可以对时间进行非常灵活的操作和处理。pandas中的datetime对象保存了日期和时间的信息，而通过指定格式化字符串可以自由控制datetime对象的输出形式。在本文中，我们将详细介绍如何在pandas中只显示datetime对象的年月日信息。
一、datetime对象简介
首先介绍一下pandas中的datetime对象。在pandas中，datetime是一种数据类型，表示日期和时间信息。通过pandas的to_datetime()方法可以将日期字符串转化为datetime类型的数据。具体示例如下：
import pandas as pd date_str = '2021-07-01' date = pd.to_datetime(date_str) print(date)
可以看到，执行以上代码会输出如下结果：
2021-07-01 00:00:00
我们可以用属性方法分别访问datetime对象中的年、月、日、小时、分钟和秒等信息：
import pandas as pd date_str = '2021-07-01' date = pd.to_datetime(date_str) print(date.year) print(date.month) print(date.day) print(date.hour) print(date.minute) print(date.second)
可以看到，执行以上代码会输出如下结果：
2021 7 1 0 0 0
二、只显示年月日的方法
我们可以使用strftime()方法指定字符串的输出格式，其中%Y表示年份，%m表示月份，%d表示日期。因此，只需将时间格式字符串设置为'%Y-%m-%d'，即可只显示datetime对象的年月日信息。
import pandas as pd
date_str = '2021-07-01'
date = pd.to_datetime(date_str)
formatted_date = date.strftime('%Y-%m-%d')
print(formatted_date)
可以看到，执行以上代码会输出如下结果：
2021-07-01
可以看到，输出的结果中只包含datetime对象的年月日信息。
三、应用案例
最后，我们来看一个使用只显示年月日的方式和pandas的groupby方法，对数据进行分组统计的案例。假设我们有一个数据集，包含了某网站每天的访问量信息。我们可以通过只显示年月日的方式将日期信息处理出来，然后利用pandas的groupby方法对每一天的访问量进行求和。
import pandas as pd
# read data
data = pd.read_csv('visitors.csv')
# convert date string to datetime objects
data['date'] = pd.to_datetime(data['date'])
# extract year-month-day information
data['date'] = data['date'].apply(lambda x: x.strftime('%Y-%m-%d'))
# group by date and sum
result = data.groupby('date').sum()
# print result
print(result)
以上代码从CSV文件中读取数据，将日期字符串转化为datetime对象，然后只显示其年月日信息，并使用groupby方法按照日期分组，最后求出每天的访问量总数。执行以上代码会输出如下结果：
visitors date 2021-07-01 100 2021-07-02 92 2021-07-03 104 2021-07-04 95 2021-07-05 108 ... ... 2021-12-27 101 2021-12-28 85 2021-12-29 93 2021-12-30 99 2021-12-31 96 [184 rows x 1 columns]
可以看到，输出结果中每一行对应一个日期，同时也只显示年月日信息，并且每一天的访问量都被求和了。
四、总结
通过使用pandas的strftime()方法，我们可以很方便地控制输出的datetime对象的格式，从而实现只显示年月日信息的目的。有了这个方法，我们可以在数据处理与分析中更加灵活地使用datetime对象，同时也可以依据实际需求对datetime对象进行各种操作和转换。
