每次碰到dataframe里有datetime字段，都会感觉很麻烦，明明知道pandas里有很多批量处理的方法，但一个datetime改字符串日期，之前试过过很多写法，都不成功，又不甘心用低效的apply，于是动个小聪明，直接前置到提取数据的sql里：SUBSTR(created,1,10) day ^_^
今天又碰到这类问题，数据来源十几张表，而且是之前现成的公共模块，不好随便改sql，无奈找pandas里的处理方法，这次居然轻而易举找到了：
df['day'] = df['created'].dt.strftime(‘%Y-%m-%d’)
嗯，其实就这么简简单单一行代码~~继而好奇进一步研究了这里面的“dt”对象，除了搭配strftime()做日期格式化，还可以直接dt.year/dt.month/dt/time/dt.quarter/dt.weekday，还有dt.dayofyear/dt.weekofyear，哈哈，没错，可以理解成里面藏了一个map
除了这些，还可以类似这么用：(df['日期1'] – df['日期2']).dt.days、(df['日期1'] – df['日期2']).dt.total_seconds()