Pandas DataFrame from SQL query:日期差异显示错误

Question

给出Redshift (PostgreSQL)中的一个表，其中包含一个名为created_at的列，它的类型是一个时间戳，例如，看起来像2015-04-01 07:08:32.631+00。

我编写了一个查询来计算任意两对有序行(按此字段排序)之间的差异(以天为单位)。查询为

SELECT created_at, 
       created_at - LAG(created_at) OVER(ORDER BY created_at ASC) AS diff, 
       EXTRACT('day' FROM created_at - LAG(created_at) OVER(ORDER BY created_at ASC)) AS day_diff
FROM
  (SELECT MAX(created_at) as created_at
   FROM table 
   GROUP BY created_at)
ORDER BY created_at ASC

我需要获取字段的最大值，因为可能有多个行具有相同的值，所以这是一种获取一个值的方法。

我从一个SQL UI中得到了以下结果：

​

​

现在，当我运行相同的查询并构建DataFrame时，

import pandas as pd

df = pd.read_sql_query(q, engine)

其中diff是上面的查询字符串，我知道尽管day_diff是正确的，但diff列始终显示‘0day 00:00:00'，就好像它经过了某种转换，但它是错误的。engine变量来自sqlalchemy.create_engine(connection_string)，我用它来连接数据库。

Answer 1

如果你能像我在评论中描述的那样获得秒数，你就可以将它们转换成所需的格式。

假设您有自己的DataFrame df：

def format_seconds(seconds):
    days, reminder = divmod(seconds, 60*60*24)
    hours, reminder = divmod(reminder, 60*60)
    minutes, reminder = divmod(reminder, 60)
    return "%d days %02d:%02d:%02d" % (days, hours, minutes, reminder)

df['formated_diff'] = df['diff'].apply(format_seconds)