请求验证基于percentile_disc的Snowflake SQL查询合理性

原查询存在的问题 #

• 字段笔误：sum (different charges)是明显的错误写法，应该替换为对应费用字段（比如sum(TotalCharges)，具体取决于你的业务需求）
• 百分位数逻辑无效：你先按sex和PrincipalDiagnosis分组求和，每个分组仅剩下一条totalcharges数据，此时计算百分位数（比如中位数）没有统计意义，无法描述分布特征
• 语法错误：partition by sex, PrincipalDiagnosis,末尾多了一个逗号，会直接导致查询报错
• 结果不符合需求：最终输出仅包含分组字段和总费用，没有体现需求要求的百分位数指标，无法完成“用百分位数描述分布”的目标

修正后的查询（符合需求版本） #

如果需求是分析每个诊断+性别分组下，单条记录的TotalCharges分布，可以用以下查询：

WITH charge_distribution AS (
    SELECT
        sex,
        PrincipalDiagnosis,
        TotalCharges,
        -- 计算中位数（50分位数）
        PERCENTILE_DISC(0.50) WITHIN GROUP (ORDER BY TotalCharges ASC) OVER (PARTITION BY sex, PrincipalDiagnosis) AS median_charge,
        -- 补充25/75分位数，更全面描述分布
        PERCENTILE_DISC(0.25) WITHIN GROUP (ORDER BY TotalCharges ASC) OVER (PARTITION BY sex, PrincipalDiagnosis) AS p25_charge,
        PERCENTILE_DISC(0.75) WITHIN GROUP (ORDER BY TotalCharges ASC) OVER (PARTITION BY sex, PrincipalDiagnosis) AS p75_charge
    FROM dataset
)
SELECT
    sex,
    PrincipalDiagnosis,
    median_charge,
    p25_charge,
    p75_charge,
    MIN(TotalCharges) AS min_charge,
    MAX(TotalCharges) AS max_charge
FROM charge_distribution
GROUP BY sex, PrincipalDiagnosis, median_charge, p25_charge, p75_charge
ORDER BY sex, PrincipalDiagnosis;

说明 #

这个查询基于原始的TotalCharges记录，按sex和PrincipalDiagnosis分组计算核心百分位数（25、50、75分位数），同时补充了最小/最大费用，能完整描述每个分组的费用分布特征。如果你的实际需求是先聚合每个分组的总收费，再分析这些总收费的分布，可以调整逻辑，但这种场景相对少见。

内容的提问来源于stack exchange，提问作者Ruchi Sharma