详见https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.dt.floor.html

现在是2019年，我认为最有效的方法是:

df['truncate_date'] = df['timestamp'].dt.floor('d')

要获得与给定datetime对象对应的午夜，可以使用datetime.combine()方法:

>>> from datetime import datetime, time
>>> dt = datetime.utcnow()
>>> dt.date()
datetime.date(2015, 2, 3)
>>> datetime.combine(dt, time.min)
datetime.datetime(2015, 2, 3, 0, 0)

与.replace()方法相比，基于datetime.combine()的解决方案将继续工作，即使datetime模块引入了纳秒支持。

如果需要，tzinfo可以保留，但utc偏移量可能在午夜不同，例如，由于DST转换，因此一个简单的解决方案(设置tzinfo时间属性)可能会失败。参见如何获得给定时区的“午夜”UTC时间?

你可以通过指定isoformat来实现

>>> import datetime
>>> datetime.datetime.now().isoformat(timespec='seconds', sep=' ')
2022-11-24 12:42:05

文档提供了关于isoformat()用法的更多细节。

https://docs.python.org/3/library/datetime.html#datetime.datetime.isoformat

您可以使用熊猫(尽管它可能是该任务的开销)。你可以使用round, floor和celll来表示常用的数字，也可以使用任何熊猫频率的偏移别名:

import pandas as pd
import datetime as dt

now = dt.datetime.now()
pd_now = pd.Timestamp(now)

freq = '1d'
pd_round = pd_now.round(freq)
dt_round = pd_round.to_pydatetime()

print(now)
print(dt_round)

"""
2018-06-15 09:33:44.102292
2018-06-15 00:00:00
"""

如果您正在处理DateTime类型的Series，有一种更有效的方法来截断它们，特别是当Series对象有很多行时。

您可以使用楼层功能

例如，如果你想把它截断为小时:

生成一个日期范围

times = pd.Series(pd.date_range(start='1/1/2018 04:00:00', end='1/1/2018 22:00:00', freq='s'))

我们可以比较替换和地板功能的运行时间来检查它。

%timeit times.apply(lambda x : x.replace(minute=0, second=0, microsecond=0))
>>> 341 ms ± 18.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit times.dt.floor('h')
>>>>2.26 ms ± 451 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

你可以用

datetime.date.today()

它很轻，而且完全符合你的要求。