假设有两个表，一是订单表 orders，另一个是付款表 payments。它们都有一个日期时间列 created_at 和 paid_at，分别表示订单创建时间和付款时间。我们需要计算这两个时间列之间的平均时间间隔。

1. 使用 SQL 的时间函数

我们可以使用 SQL 的时间函数 DATEDIFF() 和 AVG() 来计算平均时间间隔。具体代码如下：

SELECT AVG(DATEDIFF(paid_at, created_at))
FROM orders
JOIN payments ON orders.order_id = payments.order_id;

这里使用了 DATEDIFF(paid_at, created_at) 计算出每个订单的付款时间和创建时间之间的天数差，然后使用 AVG() 函数计算出所有订单的平均天数差。

2. 使用 Python 和 Pandas

如果数据量比较大，我们可以使用 Python 和 Pandas 库来进行计算。具体代码如下：

import pandas as pd

# 读取订单表和付款表
orders = pd.read_csv('orders.csv', parse_dates=['created_at'])
payments = pd.read_csv('payments.csv', parse_dates=['paid_at'])

# 合并两个表
data = pd.merge(orders, payments, on='order_id')

# 计算每个订单的时间间隔
data['time_diff'] = data['paid_at'] - data['created_at']

# 计算平均时间间隔
avg_time_diff = data['time_diff'].mean()
print(avg_time_diff)

这里先使用 Pandas 的 read_csv() 函数读取两个表，使用 merge() 函数合并两个表，再使用 Pandas 的时间函数计算出每个订单的时间间隔，最后计算平均时间间隔。