Python 3.x 如何在不提及列名的情况下，一次将多列数据类型格式转换为另一种数据类型格式？

我有超过20列的数据帧，具有

datetime64[ns]

格式。我想将它们全部转换为

stringtime

。有没有一个简单的方法可以做到这一点

Data.dtypes
LT_TOTAL                    float64
INSERT_DT            datetime64[ns]
M0_ACT_0400          datetime64[ns]
M0_ACT_0500          datetime64[ns]
M2_ACT_1100          datetime64[ns]
M1_ACT_1240          datetime64[ns]
M3_ACT_1305          datetime64[ns]
M4_ACT_1400          datetime64[ns]
M5_ACT_1600          datetime64[ns]
M6_ACT_2990          datetime64[ns]
M7_ACT_3000                  object

正常方式

data.loc[:,'M4_INI_1400'] =data.loc[:,'M4_INI_1400'].dt.strftime('%Y-%m-%d')

目前，如果有20列，我需要重复这个语句20次。我正在寻找另一种简单的方法

---

任何值得赞赏的帮助

一个简单的方法是选择具有数据类型的列

datetime64

。将它们切掉，

堆叠

并调用

dt.strftime（“%Y-%m-%d”）

和

取消堆叠

并将它们重新分配

cols = df.select_dtypes('datetime64').columns
df[cols] = df[cols].stack().dt.strftime('%Y-%m-%d').unstack()

---

注意：在大数据帧上，我不知道这个方法的速度。

一个简单的方法是选择具有数据类型的列

datetime64

。将它们切掉，

堆叠

并调用

dt.strftime（“%Y-%m-%d”）

和

取消堆叠

并将它们重新分配

cols = df.select_dtypes('datetime64').columns
df[cols] = df[cols].stack().dt.strftime('%Y-%m-%d').unstack()

---

注意：在大数据帧上，我不知道这种方法的速度。

我认为如果使用默认的

axis=0

使用

apply

，它会按列循环，所以它应该更快，就像

axis=1

按行循环一样：

df1 = df.select_dtypes('datetime64')
df[df1.columns] = df1.apply(lambda x: x.dt.strftime('%Y-%m-%d'))

---

我认为如果使用

apply

和默认的

axis=0

按列循环，那么它应该比按行循环的

axis=1

更快：

df1 = df.select_dtypes('datetime64')
df[df1.columns] = df1.apply(lambda x: x.dt.strftime('%Y-%m-%d'))