用户行为：用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。 行为类型：点击pv、购买buy、加购cart、fav收藏的数据中使用sql语句查询统计每天的用户量、点击量、收藏量、加购量、购买量

假设数据已经以DataFrame的形式加载进来，那么可以按照以下步骤进行统计每天的用户量、点击量、收藏量、加购量、购买量：

1. 将时间戳转换成日期，并添加一列`date`。

2. 使用groupBy和agg函数按照日期和行为类型分组，统计每天每种行为的数量。

3. 使用groupBy和pivot函数按照日期进行聚合，得到每天的用户量、点击量、收藏量、加购量、购买量。

下面是代码示例：

// 加载数据
val df = spark.read.format("csv").load("path/to/data")
  .toDF("user_id", "item_id", "category_id", "action", "timestamp")

// 将时间戳转换成日期，并添加一列date
val df2 = df.withColumn("date", to_date(from_unixtime($"timestamp")))

// 使用groupBy和agg函数按照日期和行为类型分组，统计每天每种行为的数量
val dailyCounts = df2.groupBy("date", "action").agg(count("*").alias("count"))

// 使用groupBy和pivot函数按照日期进行聚合，得到每天的用户量、点击量、收藏量、加购量、购买量
val dailyStats = dailyCounts.groupBy("date")
  .pivot("action", Seq("pv", "fav", "cart", "buy"))
  .agg(sum("count").alias("count"))

// 打印结果
dailyStats.show()

其中，`path/to/data`为数据文件的路径。上述代码中使用了Scala语言和Spark框架。如果需要使用其他语言或框架，可以根据相应的语法进行实现。