Чтобы запустить функцию tabulate и which.max в sparkR

Возможно, это не лучшее решение, но оно работает:

Создать пример данных

localData <- data.frame(user = c(1,1,1,2,2,2),
                        type = c(1,2,2,3,3,2))

data <- createDataFrame(sqlContext, localData)

Сгруппируйте по пользователю, введите и подсчитайте, сколько раз это встречается (вроде таблицы)

groupedData <- groupBy(data, data$user, data$type)
aggregated  <- agg(groupedData, number = n(data$user))

Заказывайте по этому подсчитанному числу, так как это самый простой способ найти тип, который имеет максимальное вхождение.

arranged <- arrange(aggregated, desc(aggregated$number))

Снова сгруппируйте по пользователю и возьмите первое вхождение типа, которое является максимальным с тех пор, как мы его заказали.

regroupedData <- groupBy(arranged, arranged$user)
firstItems    <- agg(regroupedData, firstType = first(arranged$type), number = first(arranged$number))

Проверьте результаты

collect(firstItems)

Если теперь вам нужен второй наиболее часто встречающийся элемент, вы можете сначала удалить эти первые элементы.

firstDeleted <- except(arranged,firstItems)

И снова применить тот же метод

rearranged   <- arrange(firstDeleted, desc(firstDeleted$number))

reregroupedData <- groupBy(rearranged, rearranged$user)
secondItems     <- agg(reregroupedData, secondType = first(rearranged$type))

Удалить ненужный столбец и переименовать столбец firstItems$number ‹- NULL secondItems ‹- withColumnRenamed(secondItems, "user", "user2")

Для окончательного результата присоедините эти кадры данных (удалить столбец user2)

result <- join(firstItems,secondItems, firstItems$user == secondItems$user2)

result$user2 <- NULL

И снова проверить эти результаты

collect(result)