我想你正在寻找replace方法（参见文档）：

In [18]: ts
Out[18]: Timestamp('2014-11-12 13:35:00')

In [19]: ts.replace(hour=0)
Out[19]: Timestamp('2014-11-12 00:35:00')

字符串
这是继承自datetime.datetime的方法
如果要重置全职部分，请在replace中指定所有部分：

In [20]: ts.replace(hour=0, minute=0, second=0)
Out[20]: Timestamp('2014-11-12 00:00:00')

型
还有一个DatetimeIndex.normalize方法，但在单个Timestamps上不能使用（我为此开了一个问题：https://github.com/pydata/pandas/issues/8794）：

In [21]: pd.DatetimeIndex([ts]).normalize()[0]
Out[21]: Timestamp('2014-11-12 00:00:00')

型

请注意，replace方法不会更改Timestamp，所以如果你想保留修改后的Timestamp，你必须分配：

In [2]: ts = pd.Timestamp('2014/11/12 13:35')
In [3]: ts.replace(hour=0)
Out[3]: Timestamp('2014-11-12 00:35:00')
In [4]: ts
Out[4]: Timestamp('2014-11-12 13:35:00')

字符串
注意：ts在上面的代码中没有修改。

In [5]: ts = ts.replace(hour=0)
In [6]: ts
Out[6]: Timestamp('2014-11-12 00:35:00')

型

而不是使用datetime.datetime，使用datetime.date，它会自动为您截断小时/分钟/秒。
参见https://docs.python.org/library/datetime.html#date-objects

pd.Timestamp('2014-11-12 13:35') - pd.offsets.Micro(0, normalize=True) == Timestamp('2014-11-12 00:00:00')

字符串

我建议使用：

pd.Timestamp('2014-11-12 13:35')-pd.Timedelta(f"{pd.Timestamp('2014-11-12 13:35').hour} hours")

字符串

还有Timestamp.floor：

>>> ts = pd.Timestamp('2014/11/12 13:35')
>>> ts.floor('D')
Timestamp('2014-11-12 00:00:00')
>>> ts.round('D')
Timestamp('2014-11-13 00:00:00')

字符串
但是，在我的机器上，Timestamp.normalize几乎是floor的30倍，Timestamp.replace甚至比normalize还快：

>>> %timeit ts.replace(hour=0, minute=0, second=0)
1.23 µs ± 17.2 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)
>>> %timeit ts.normalize()
2.18 µs ± 137 ns per loop (mean ± std. dev. of 7 runs, 100,000 loops each)
>>> %timeit ts.floor('D')
62.7 µs ± 631 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

型