如何将SQL Server的分钟差计算查询改写为可正确执行的pandasql语句

pandasql底层基于SQLite语法，没有SQL Server内置的DATEDIFF函数，直接对两个时间字段做减法只会返回整数天数差值，因此需要用SQLite原生时间函数实现秒级差值计算，调整后的代码如下：

import pandas as pd
from pandasql import sqldf

# 前置处理：确保时间字段为datetime格式，避免SQLite识别异常
dffact_flight_sales['booking_created_time'] = pd.to_datetime(dffact_flight_sales['booking_created_time'])
dffact_flight_sales['booking_paid_time'] = pd.to_datetime(dffact_flight_sales['booking_paid_time'])

q2 = """
select 
  payment_method,
  round(avg((julianday(booking_paid_time) - julianday(booking_created_time)) * 86400 / 60), 2) as difference_minute
from dffact_flight_sales
group by payment_method
"""
print(sqldf(q2, locals()))

逻辑说明 #

• julianday()是SQLite内置时间函数，返回对应时间的儒略日数值（浮点数格式的天数，包含时分秒对应的小数部分）
• 两个时间的儒略日差值乘以86400（一天总秒数），即可得到和SQL ServerDATEDIFF(second, booking_created_time, booking_paid_time)完全一致的秒级差值
• 秒级差值除以60换算为分钟，通过avg()求分组平均值后，用round()保留2位小数，和原SQL的cast as decimal(20,2)输出效果一致

内容的提问来源于stack exchange，提问作者Lix Felix