假设所有的datetime字符串都是类似的格式，那么只需使用to_datetime将它们转换为datetime，然后调用dt.date属性来获取日期部分：

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

编辑

如果你只想改变显示而不是dtype，你可以调用dt.normalize：

In[10]:
df['date'] = pd.to_datetime(df['date']).dt.normalize()
df

Out[10]: 
        date
0 2015-02-21

你可以看到dtype仍然是datetime：

In[11]:
df.dtypes

Out[11]: 
date    datetime64[ns]
dtype: object

您正在调用datetime.datetime.strftime，它需要一个datetime.datetime示例作为其第一个参数，因为它是一个未绑定方法;但是你传递给它的是一个字符串而不是一个datetime示例，这就是明显的错误。
如果您想要的结果是字符串级别，那么您可以纯粹地在字符串级别工作;以你给予的数据为例，date_str.split()[0]就是你需要的2015-02-21字符串。
或者，你可以使用datetime，但是你需要先解析字符串，而不是格式化它--因此，strptime，* 不是 * strftime：

dt = datetime.strptime(date_str, '%Y-%m-%d %H:%M:%S')
date = dt.date()

如果你想要的是一个datetime.date对象（但是如果你想要的只是日期的字符串形式，这样的方法可能会“矫枉过正”：-）。

简笔
date.strftime("%d-%m-%Y")将删除Hour min & sec

Pandas不支持Pandas-native“date”类型。
这里的例子展示了.dt.date的使用，它将生成Python Date对象，并构造一系列指向这些日期的对象指针。现在，您已经增加了存储，并降低了对数据进行任何矢量化操作的可能性。此外，没有一个Pandas类型检查器会将该列识别为任何类型的日期（或日期时间）列，因为它现在只是一个Python对象列，没有Pandas。
如果这是你想要的，那好吧。然而，我通常会选择 * 只 * 在序列化到另一种格式（csv，JSON等）之前这样做，这样它们就可以从没有时间组件输出中受益。
如果我真的想要一个DataFrame中的“日期”，我个人的选择是使用.astype("datetime64[D]");这是一个快速的方法来零出时间组件-它仍然存在真的，但我现在可以做我的所有日期相关的计算不受时间组件。