Netezza SQL中按车辆数量区间计算各国患病占比的逻辑验证

一、车辆数量区间划分的验证 #

1. 检查边界值归属逻辑 #

首先确认你的区间划分是否符合需求定义，重点关注5、10、15这类边界值的归属：

• 若需求是0-5包含5、5-10包含10，需避免重复匹配（Netezza的CASE会取第一个满足条件的分支），推荐用左闭右开的写法：

CASE 
    WHEN 车辆数量 >= 0 AND 车辆数量 <= 5 THEN '0-5'
    WHEN 车辆数量 > 5 AND 车辆数量 <= 10 THEN '5-10'
    WHEN 车辆数量 > 10 AND 车辆数量 <= 15 THEN '10-15'
    WHEN 车辆数量 > 15 THEN '15以上'
    ELSE '未知' -- 处理NULL、负数等异常值
END AS 车辆数量区间

2. 统计区间极值验证 #

通过分组查询每个区间的最小/最大车辆数，确认划分是否符合预期：

SELECT 
    车辆数量区间,
    MIN(车辆数量) AS 区间最小车辆数,
    MAX(车辆数量) AS 区间最大车辆数,
    COUNT(*) AS 区间人数
FROM (
    SELECT 
        *,
        CASE 
            WHEN 车辆数量 >= 0 AND 车辆数量 <= 5 THEN '0-5'
            WHEN 车辆数量 > 5 AND 车辆数量 <= 10 THEN '5-10'
            WHEN 车辆数量 > 10 AND 车辆数量 <= 15 THEN '10-15'
            WHEN 车辆数量 > 15 THEN '15以上'
            ELSE '未知'
        END AS 车辆数量区间
    FROM my_table
) t
GROUP BY 车辆数量区间
ORDER BY 车辆数量区间;

查看结果：比如0-5区间的最大值应≤5，5-10区间的最小值应>5且最大值≤10，确保无边界值错配。

二、患病占比计算的验证 #

1. 确认占比公式正确性 #

患病占比应为**（区间内该国患病人数 ÷ 区间内该国总人数）×100%**，需注意：

• Netezza整数除法会截断小数，必须用100.0强制转换为浮点运算
• 处理分母为0的情况（若某区间某国无数据，可加NULLIF避免报错）
  示例正确写法：

SELECT 
    年份,
    所属国家,
    车辆数量区间,
    COUNT(CASE WHEN 是否患病 = '是' THEN 1 END) AS 患病人数,
    COUNT(*) AS 总人数,
    ROUND(
        COUNT(CASE WHEN 是否患病 = '是' THEN 1 END) * 100.0 / NULLIF(COUNT(*), 0), 
        2
    ) AS 患病占比
FROM (
    SELECT 
        *,
        CASE 
            WHEN 车辆数量 >= 0 AND 车辆数量 <= 5 THEN '0-5'
            WHEN 车辆数量 > 5 AND 车辆数量 <= 10 THEN '5-10'
            WHEN 车辆数量 > 10 AND 车辆数量 <= 15 THEN '10-15'
            WHEN 车辆数量 > 15 THEN '15以上'
            ELSE '未知'
        END AS 车辆数量区间
    FROM my_table
    WHERE 是否患病 IS NOT NULL -- 排除未明确患病状态的记录（按需调整）
) t
GROUP BY 年份, 所属国家, 车辆数量区间
ORDER BY 年份, 所属国家, 车辆数量区间;

2. 手动抽样验证 #

• 随机选取3-5组年份+国家+区间的组合，手动统计原表中对应分组的总人数和患病人数，计算占比后与SQL结果对比
• 检查全局汇总：所有区间的患病人数总和应等于原表中是否患病='是'的总记录数，总人数总和应等于原表有效记录数（排除未知区间后）

内容的提问来源于stack exchange，提问作者stats_noob