1. R語言運行效率分析_小結（4）

小結（4）

上節討論了數據量n<1000時名個函數用時規律，本節討論1000<n<100000的情形。畫圖方法如上節。

與上一節的圖相比，明顯變換就是處理每一個數據所需的時間減小不少。ddply已減小到5微秒之內。反而str_replace的速度在Month, season和all中差別比較大。

接下來咱們研究0～5微秒內的函數
從上圖能夠看出，隨着數據量的增大，只有 join函數用時比較穩定，在all，month和season這三組差異不大，其它函數或多或少都有差別。另外，除了which，for_if，ddply函數等還出現了拐點。這就說明，這些出現拐點的函數處理數據效率最高的臨界點在100000之內。

接下來咱們研究0～1微秒內的函數

從上圖能夠看出，只有join函數還在持續遞減。也就是說，當數據量爲100000時，處理每一個數據所需時間大約在0.125微秒之內。which函數儘管較join函數穩定性較弱，不過整體效率仍是不錯的。

總的來講，join<which<[for_if_else,for_if,for_switch]<[ddply,str_replace]

下一節咱們看看join函數的極限在什麼地方！

(未完！待續……)