r - 用不可靠的数据总结一个data.table

Question

我有一个 data.table 事件记录，例如用户 ID、居住国和事件。
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")

如您所见，数据有些损坏:事件 5 将用户 3 报告为在国家 2(或者他可能旅行 - 在这里对我来说无关紧要)。
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/地区。
理想情况下，我想获得用户最常见的国家和地区
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，所以解决方案必须缩放(这就是为什么我使用 data.table 而不是 data.frame 毕竟)。

Answer 1

其它的办法:

已编辑。 table(.)是罪魁祸首。改成完成 data.table句法。

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