Python 在熊猫数据帧中将日期时间格式2020-09-16 00:00:00转换为20200916

下面是python中的panda数据帧

full_name  serial  Date_YMD                  prc1     prc2    volume
 bottle_a  AX80    2020-09-22 00:00:00   12874.50  12927.75   61023.0 
 bottle_a  AX80    2020-09-23 00:00:00   12878.50  12926.75   61023.0
 bottle_a  AX80    2020-09-24 00:00:00   12872.50  12928.75   61023.0

我想将列

date\u YMD

中的日期格式值转换为转换后的类似内容

full_name  serial  Date_YMD        prc1     prc2    volume
 bottle_a  AX80    20200922    12874.50  12927.75   61023.0 
 bottle_a  AX80    20200923    12878.50  12926.75   61023.0
 bottle_a  AX80    20200924    12872.50  12928.75   61023.0

---

我使用的是python 3.8，假设您的

Date\u YMD

列是datetime对象，如果不将其转换为 由pd.到datetime的时间

这样就可以完成任务，但它会将datetime对象转换为字符串

df['Date_YMD'] = (df['Date_YMD'].dt.date).apply(lambda x: x.strftime("%Y%m%d"))

---

您需要首先将

Date\u YMD

列转换为

datetime

列：

In [731]: df.Date_YMD = pd.to_datetime(df.Date_YMD)

然后，您可以使用如下方法格式化datetime列：

In [735]: df.Date_YMD = df.Date_YMD.dt.strftime('%Y%m%d')

In [736]: df
Out[736]: 
  full_name serial  Date_YMD     prc1      prc2   volume
0  bottle_a   AX80  20200922  12874.5  12927.75  61023.0
1  bottle_a   AX80  20200923  12878.5  12926.75  61023.0
2  bottle_a   AX80  20200924  12872.5  12928.75  61023.0

---

尽可能避免使用

apply

，因为它有点慢。

apply

本质上增加了另一个循环-但是，什么慢，什么不慢取决于用例。在这里，

strftime

本身很可能是瓶颈，而不是在应用的lambda函数中调用它。我反对使用apply/lambda的理由是可读性——使用dt访问器对我来说似乎更清楚。