用不可靠的数据汇总data.table

Question

我有一个data.table事件记录,比如用户ID,居住国家和事件.例如,

dt <- data.table(user=c(rep(3, 5), rep(4, 5)),
                 country=c(rep(1,4),rep(2,6)),
                 event=1:10, key="user")

正如您所看到的,数据有些损坏:事件5报告用户3在国家2(或者他旅行 - 这对我来说无关紧要).所以当我尝试总结数据时:

dt[, country[.N] , by=user]
   user V1
1:    3  2
2:    4  2

我为用户3弄错了国家.理想情况下,我想为用户获得最常见的国家/地区以及他在那里度过的时间百分比:

   user country support
1:    3       1     0.8
2:    4       2     1.0

我怎么做？

实际数据有~10 ^ 7行,因此解决方案必须扩展(这就是我使用的原因,data.table而不是data.frame毕竟).

Answer 1

其他方式:

编辑.table(.)是罪魁祸首.将其更改为完整data.table语法.

dt.out<- dt[, .N, by=list(user,country)][, list(country[which.max(N)], 
               max(N)/sum(N)), by=user]
setnames(dt.out, c("V1", "V2"), c("country", "support"))
#    user country support
# 1:    3       1     0.8
# 2:    4       2     1.0