列表内有多个时间: [‘20220202’， ‘20220203’， ‘20220204’], 通过pymysql 查询数据库计算他们的日距平

假设你要查询的表名为 `my_table`，日期字段名为 `date_field`，以下是一种实现方式：

import pymysql
from datetime import datetime, date

# 连接数据库
conn = pymysql.connect(host='localhost', user='root', password='password', database='my_db', charset='utf8mb4')
cursor = conn.cursor()

# 查询数据
dates = ['20220202', '20220203', '20220204']
query = f"SELECT AVG(DATEDIFF(date_field, '{date.today()}')) FROM my_table WHERE date_field IN ({','.join(dates)})"

cursor.execute(query)
result = cursor.fetchone()[0]

print(result)

这里使用了 `AVG` 函数计算平均日距平。其中 `DATEDIFF(date_field, '{date.today()}')` 表示计算 `date_field` 和今天的日期之间相差的天数。

相关问题

列表内有多个时间: [‘20220202’， ‘20220203’， ‘20220204’], 通过pymysql 查询数据库计算每个时间点的日距平

假设你的数据库表名为 `my_table`，日期字段名为 `date_field`，那么你可以使用以下代码来计算每个时间点的日距平：

import pymysql
import numpy as np

# 建立数据库连接
conn = pymysql.connect(host='localhost', user='your_username', password='your_password', database='your_database')

# 查询数据
sql = "SELECT date_field FROM my_table"
cursor = conn.cursor()
cursor.execute(sql)
results = cursor.fetchall()

# 计算平均值
total_days = 0
for row in results:
    total_days += (row[0] - datetime.datetime(1970, 1, 1)).days
mean_days = total_days / len(results)

# 计算每个时间点的日距平
days_from_mean = []
for row in results:
    days_from_mean.append((row[0] - datetime.datetime(1970, 1, 1)).days - mean_days)

# 输出结果
print(days_from_mean)

其中，`datetime.datetime(1970, 1, 1)` 表示 Unix 时间戳的起点。如果你的日期字段类型不是 `datetime`，而是字符串或其他类型，你需要先将其转换为 `datetime` 类型。