如何用Access SQL计算物品共同出库占比？是否需转用R/Python？

当然可以用Access SQL直接搞定这个占比统计，完全不需要急着切换到R或Python！下面我会一步步拆解逻辑，给出完整的查询语句：

核心逻辑拆解 #

要计算Item1出库时Item2一同出库的占比，我们需要两个关键数据：

• Item1的总出库单数量（即该TK出现在多少个不同的DocumentNo里）
• Item1和Item2共同出现的出库单数量

完整SQL查询语句 #

SELECT 
    co.TK1, 
    co.TK2, 
    ROUND(co.Co_Outbound / tot.Total_Outbound, 2) AS Co_Occurrence_Ratio
FROM (
    -- 子查询：统计每对TK共同出库的单量
    SELECT 
        a.TK AS TK1, 
        b.TK AS TK2, 
        COUNT(DISTINCT a.DocumentNo) AS Co_Outbound
    FROM access3 a
    JOIN access3 b ON a.DocumentNo = b.DocumentNo
    WHERE a.TK <> b.TK  -- 排除自身和自身的无效组合
    GROUP BY a.TK, b.TK
) AS co
INNER JOIN (
    -- 子查询：统计每个TK的总出库单量
    SELECT 
        TK, 
        COUNT(DISTINCT DocumentNo) AS Total_Outbound
    FROM access3
    GROUP BY TK
) AS tot ON co.TK1 = tot.TK
ORDER BY co.TK1, co.TK2;

语句说明 #

• 子查询co：基于你之前的关联查询，进一步统计每对TK共同出现在多少个出库单里，得到Co_Outbound（共同出库次数）
• 子查询tot：统计每个TK对应的所有出库单数量，得到Total_Outbound（总出库次数）
• 最后通过INNER JOIN关联两个子查询，用Co_Outbound / Total_Outbound计算占比，ROUND函数用来控制小数位数（这里保留2位，你可以根据需求调整）

执行后就能得到类似TK16330 | TK16331 | 0.85的结果，完全匹配你的期望输出格式。

关于R/Python的补充 #

如果后续你需要更复杂的分析（比如批量筛选特定物品、生成可视化报表），R或Python确实能提供更灵活的处理方式：

• Python可以用pandas库，通过分组、合并数据框来快速计算占比
• R可以用dplyr进行类似的分组统计操作

但就当前的占比计算需求而言，Access SQL已经足够高效，能帮你省去手动处理600+物品的麻烦。

内容的提问来源于stack exchange，提问作者bohzwah