数据 IO 是我在致力于学习 R 之前研究的功能之一。无论好坏，以下是我对这些问题的观察和解决方案/缓解措施：
1. That R 不处理大数据（>2 GB？）对我来说这是一个用词不当。默认情况下，常用数据输入函数将数据加载到 RAM 中。不是油嘴滑舌，但对我来说，这是一个功能而不是一个错误——只要我的数据适合我的可用 RAM，那就是我想要的地方。同样，SQLite 最受欢迎的功能之一是内存中选项——用户可以轻松选择将整个 dB 加载到 RAM 中。如果您的数据无法容纳在内存中，那么 R 可以通过连接到常见的 RDBMS 系统（RODBC、RSQLite、RMySQL 等）、通过简单的选项（如 filehash 包）以及通过当前技术/实践的系统（例如，我可以推荐ff http://ff.r-forge.r-project.org/）。换句话说，R 开发人员选择了一个合理的（可能也是最优的）默认值，很容易选择退出。
2、read.table的性能（read.csv、read.delim 等）是将数据导入 R 的最常见方法，只需选择退出 read.table 的一些默认参数即可将其改进 5 倍（根据我的经验，通常会提高很多） --R 的帮助 (?read.table) 中提到了对性能影响最大的那些。简而言之，R 开发人员告诉我们，如果您为参数“colClasses”、“nrows”、“sep”和“comment.char”提供值（特别是，如果您知道文件以 headers 或第 1 行的数据），您将看到显着的性能提升。我发现这是真的。
以下是我用于这些参数的片段：
要获取数据文件中的行数（在调用 read.table 时将此代码片段作为参数提供给参数“nrows”）：
as.numeric((gsub("[^0-9]+", "", system(paste("wc -l ", file_name, sep=""), intern=T))))
要获取每列的类：
function(fname){sapply(read.table(fname, header=T, nrows=5), class)}
注意：您不能将此代码片段作为参数传递，您必须先调用它，然后传递返回的值——换句话说，调用函数，将返回的值绑定到变量，然后传递变量作为调用 read.table 中参数“colClasses”的值：
3. 使用扫描。只需多一点麻烦，您就可以通过使用“scan”而不是“read.table”（“read.table”实际上只是“scan”的包装器）做得更好（优化“read.table”）。再说一次，这很容易做到。我使用“scan”单独输入每一列，然后在 R 中构建我的 data.frame，即 df = data.frame(cbind(col1, col2,....))。
4.使用R的容器用于持久性代替普通文件格式（例如“txt”、“csv”）。 R 的本机数据文件“.RData”是一种二进制格式，比压缩的（“.gz”）txt 数据文件稍小。您使用以下命令创建它们save(,)。您可以使用以下命令将其加载回 R 命名空间load()。与“read.table”相比，加载时间的差异是巨大的。例如，w/25 MB 文件（未压缩大小）
system.time(read.table("tdata01.txt.gz", sep=","))
=> user system elapsed
6.173 0.245 **6.450**
system.time(load("tdata01.RData"))
=> user system elapsed
0.912 0.006 **0.912**
5. 注意数据类型通常可以提高性能并减少内存占用。这一点对于从 R 中获取数据可能更有用。这里要记住的关键点是，默认情况下，R 表达式中的数字被解释为双精度浮点，例如，> typeof(5) 返回“double. ”比较每个合理大小的数组的对象大小，您可以看到其重要性（使用 object.size()）。因此，尽可能强制转换为整数。
最后，“apply”函数系列（以及其他函数）不是“隐藏循环”或循环包装器。它们是用 C 语言实现的循环——在性能方面差异很大。 [编辑：AWB 正确地指出，虽然 'sapply'、'tapply' 和 'mapply' 是用 C 实现的，但 'apply' 只是一个包装函数。
