Well… 資料分析大概就是這樣，每當你回答了一個疑問，就會再產生更多的疑問等著你去分析...目前我們的商品名稱是這個樣子：”品項(品牌)” ，所以我們要把品名這個欄位拆成兩欄，分別是品項和品牌，這邊我們需要tidyr 這個library，利用裡面的separate ，將可以將欄位切開。

#install.packages("tidyr")
library(tidyr)

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7)) %>%
    separate(NAME, c("Category", "Brand"), sep="\\(")

再來依照前幾天的教學，應該知道如果要用月份分可以用group_by()，但這次除了月份以外，我們還要依照Category 分，所以我們可以這樣子寫。

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7)) %>%
    separate(NAME, c("Category", "Brand"), sep="\\(") %>%
    group_by(Month, Category) %>%
    summarise(Income = sum(PRICE))

ok，我們用group_by()分好了時間與品項，不過這樣有779筆資料...，我希望可以Month變成行，Category變成欄，這時，就要介紹spread() 這個函式啦，

result <- orders %>%
    mutate(Month = as.Date(orders$CREATETIME, "%Y-%m-%d %H:%M:%S")) %>%
    mutate(Month = substring(Month,1,7)) %>%
    separate(NAME, c("Category", "Brand"), sep="\\(") %>%
    group_by(Month, Category) %>%
    summarise(Income = sum(PRICE)) %>%
    spread(Category, Income, fill=0)

spread()的第一個參數放的是欲被拆解的欄位，第二個欄位是被拆解之後它所代表的值，fill 則是代表如果這個欄位不幸沒有值，那他的預設值是什麼，這邊就給他0，然後把上面程式碼反白起來，按下command+enter， Bang!

最後加上簡單的分析，就可以印出營收最高的商品囉！

category_sum = colSums(result[,-1])
highest_category_index = which(category_sum==max(category_sum))
print(paste0("Income最高的商品:",colnames(result[,-1])[highest_category_index]
))

ref:
day5原始碼