数据表rlang issue中的列总和

我有以下数据表：

结构（列表日期=c（“2015-04-01”、“2015-04-01”、“2015-04-01”）， “2015-04-01”、“2015-04-01”、“2015-04-01”），类别=结构（c（4L， 4L、4L、5L、5L、6L），标签=c（“面包房”、“品牌商品”、“早餐”， “罐装/包装”、“烹饪必需品”、“家用”、“无类别”， “个人护理”、“文具”、“车辆附件”），class=“factor”）， 子类=c（“碳酸饮料”、“碳酸饮料”， “碳酸饮料”、“乳制品”、“乳制品”、“固定饮料”）， 产品=c（“软饮料”、“软饮料”、“软饮料”、“黄油”， “黄油”，“A4纸”），品牌=c（“7向上”，“7向上”，“7向上”， “阿穆尔”、“阿穆尔”、“无品牌”），日=c（1L、1L、1L、1L、1L、， 1L），月=c（4L，4L，4L，4L，4L，4L），年=c（2015L，2015L， 2015L、2015L、2015L、2015L），MRP=c（“55”、“25”、“70”、“37”， “37”，“0.5”），数量=c（1,1,1,1,20），销售额=c（55， 25,70,37,37,10），Wday=c（“星期三”，“星期三”，“星期三”， “星期三”、“星期三”、“星期三”），周=c（13L，13L， 13L，13L，13L，13L），X=c（钠，钠，钠，钠，钠），X.=c（钠， NA，NA，NA，NA，NA）），.name=c（“日期”、“类别”、“子类别”， “产品”、“品牌”、“日”、“月”、“年”、“物料需求计划”、“数量”， “销售”、“Wday”、“Week”、“X”、“X.”，sorted=“Date”，class=c（“data.table”， “data.frame”），row.names=c（NA，-6L），.internal.selfref=）

我想在整个日期栏中显示每种类别每天的（数量）或（销售额）总和

我试过：

data2 <- data %>% group_by(data$Date) %>% summarise_each(funs(sum))

这会产生完全不同的输出/

有没有办法做到这一点

即使在卸载rlang、dplyr和ggplot2软件包之后，错误仍然存在。有办法解决这个问题吗

预期产出如下：

---

提前感谢

您可以使用上的摘要(仅适用于销售和数量)

#计算总销售额
图书馆（dplyr）
数据2%
分组依据（日期、类别）%>%
汇总在（VAR（销售额、数量）、总和、na.rm=真值）%>%
变更（总计=销售额*数量）
数据2
#>#A tible:10 x 5
#>#分组：日期[1]
#>日期类别销售数量合计
#>                                
#>1 2015-04-01“面包房”0
#>2 2015-04-01品牌商品0
#>3 2015-04-01“早餐”0
#>4 2015-04-01“罐装/包装”150 3 450
#>5 2015-04-01“烹饪要点”74 2 148
#>6 2015-04-01“住户”1020200
#>7 2015-04-01第0类
#>8 2015-04-01个人护理
#>9 2015-04-01“静止”0
#>10 2015-04-01车辆附件0不适用

然后使用

tidyr:：spread

library（tidyr）
数据2_长%
选择（-Quantity，-Sales）%>%
价差（类别、总额）
数据2_long
#一个tibble:1 x 11
#分组：日期[1]
日期`面包店`品牌商品`早餐`罐装/包装`烹饪必需品`家用`无类别`
1 2015-04-01         0               0            0                450                   148          200             0
# ... 还有3个变量：`个人护理'、`固定装置'、`车辆附件'

使用的数据：

---

数据您只能在
销售
和
数量
中使用
汇总

#计算总销售额
图书馆（dplyr）
数据2%
分组依据（日期、类别）%>%
汇总在（VAR（销售额、数量）、总和、na.rm=真值）%>%
变更（总计=销售额*数量）
数据2
#>#A tible:10 x 5
#>#分组：日期[1]
#>日期类别销售数量合计
#>                                
#>1 2015-04-01“面包房”0
#>2 2015-04-01品牌商品0
#>3 2015-04-01“早餐”0
#>4 2015-04-01“罐装/包装”150 3 450
#>5 2015-04-01“烹饪要点”74 2 148
#>6 2015-04-01“住户”1020200
#>7 2015-04-01第0类
#>8 2015-04-01个人护理
#>9 2015-04-01“静止”0
#>10 2015-04-01车辆附件0不适用

然后使用
tidyr:：spread

library（tidyr）
数据2_长%
选择（-Quantity，-Sales）%>%
价差（类别、总额）
数据2_long
#一个tibble:1 x 11
#分组：日期[1]
日期`面包店`品牌商品`早餐`罐装/包装`烹饪必需品`家用`无类别`
1 2015-04-01         0               0            0                450                   148          200             0
# ... 还有3个变量：`个人护理'、`固定装置'、`车辆附件'

使用的数据：

data这是对您提供的数据使用
data.table
和
restrape2
的一种更简单的方法

library(reshape2)
library(data.table)
setDT(data)
data2<-dcast(data[,.(Quantity=sum(Quantity),Sales=sum(Sales)),by=.(Category,Date)],Date~Category,value.var = c("Quantity","Sales"),fun.aggregate = sum)

library（重塑2）
库（数据表）
setDT（数据）
数据2这是一种更简单的方法，可以对您提供的数据使用
data.table
和
restrape2

library(reshape2)
library(data.table)
setDT(data)
data2<-dcast(data[,.(Quantity=sum(Quantity),Sales=sum(Sales)),by=.(Category,Date)],Date~Category,value.var = c("Quantity","Sales"),fun.aggregate = sum)

library（重塑2）
库（数据表）
setDT（数据）
数据2可能不是你的问题，但不要使用组中的$U。只是
group\u by（Date）
我们这里没有可复制的示例，但是如果您在dplyr中执行所有操作，为什么要使用data.table？或者，如果您有data.table，为什么要使用dplyr？无论哪种方式，请提供
dput（head（data））
@DavidArenburg请再次检查，因为我已经更新了