从R中的矩阵绘制线图的最快方法

有没有一种方法可以加速下面的代码，从矩阵在R中绘制线图？矩阵相当大，大约3000行乘60列，有时数据更大

我目前使用

matlines

或

ggplot

例如：

库（ggplot2）
图书馆（E2）
##使用ggplot2
数据通过减少绘图中颜色和线型的数量，可以减少渲染时间。例如，比较默认的
matlines
，它在5种线型和6种颜色之间循环：

system.time({
  plot(0, ylim = range(data), xlim = c(1, ncol(data)), ylab = "tmp",
       type = "n", xaxt = "n", xlab = "")
  axis(1, at = seq(ncol(data)), labels = colnames(data), las = 2)
  matlines(t(data))
})
   # user  system elapsed 
   # 0.66    3.50    4.15 

我们只使用一种线型和一种颜色

system.time({
  plot(0, ylim = range(data), xlim = c(1, ncol(data)), ylab = "tmp",
       type = "n", xaxt = "n", xlab = "")
  axis(1, at = seq(ncol(data)), labels = colnames(data), las = 2)
  matlines(t(data), col = 1, lty = 1)
})
   # user  system elapsed 
   # 0.23    0.58    0.83 

正如其他人所提到的，除了性能方面，简化绘图本身可能很好。
我只想强调，如果必须在ggplot2中绘制大量点，那么绘制这些点是多么昂贵。以下是一些具有不同类型点的不同基准。如果忽略这些点，可以在1/3的时间内绘制绘图。在40%的时间内，周期
作为点。如果您确实需要适当的点数，我建议
shape=16

库（ggplot2）
图书馆（E2）
欧洲/柏林数据中心
#>日期2020-06-27
#> 
#>-包裹-------------------------------------------------------------------
#>包*版本日期库源
#>资产负债表0.2.1 2019-03-21[1]起重机（R 4.0.0）
#>后端口1.1.7 2020-05-13[1]起重机（R 4.0.0）
#>callr 3.4.3 2020-03-28[1]起重机（R 4.0.0）
#>cli 2.0.2 2020-02-28[1]起重机（R 4.0.0）
#>色彩空间1.4-1 2019-03-18[1]克兰（R 4.0.0）
#>蜡笔1.3.4 2017-09-16[1]克兰（R4.0.0）
#>旋度4.3 2019-12-02[1]起重机（R4.0.0）
#>描述1.2.0 2018-05-01[1]起重机（R 4.0.0）
#>devtools 2.3.0 2020-04-10[1]起重机（R 4.0.0）
#>文摘0.6.25 2020-02-23[1]CRAN（R 4.0.0）
#>dplyr 0.8.5 2020-03-07[1]起重机（R4.0.0）
#>省略号0.3.1 2020-05-15[1]CRAN（R 4.0.0）
#>评估0.14 2019-05-28[1]起重机（R 4.0.0）
#>fansi 0.4.1 2020-01-08[1]起重机（R 4.0.0）
#>farver 2.0.3 2020-01-16[1]起重机（R 4.0.0）
#>fs 1.4.1 2020-04-04[1]起重机（R4.0.0）
#>ggplot2*3.3.0.9000 2020-05-31[1]Github（tidyverse/ggplot2@2b03e47)
#>胶水1.4.1 2020-05-13[1]起重机（R 4.0.0）
#>GTTable 0.3.0 2019-03-25[1]起重机（R 4.0.0）
#>高0.8 2019-03-20[1]克朗（R4.0.0）
#>htmltools 0.5.0 2020-06-16[1]起重机（R4.0.2）
#>httr 1.4.1 2019-08-05[1]起重机（R 4.0.0）
#>克尼特1.28 2020-02-06[1]克兰（R 4.0.0）
#>标签0.3 2014-08-23[1]起重机（R 4.0.0）
#>生命周期0.2.0 2020-03-06[1]起重机（R 4.0.0）
#>magrittr 1.5 2014-11-22[1]CRAN（R 4.0.0）
#>备忘录1.1.0 2017-04-21[1]克兰（R 4.0.0）
#>微基准1.4-7 2019-09-24[1]起重机（R 4.0.2）
#>mime 0.9 2020-02-04[1]起重机（R4.0.0）
#>孟塞尔0.5.0 2018-06-12[1]克兰（R 4.0.0）
#>支柱1.4.4 2020-05-05[1]起重机（R 4.0.0）
#>pkgbuild 1.0.8 2020-05-07[1]起重机（R4.0.0）
#>pkgconfig 2.0.3 2019-09-22[1]起重机（R4.0.0）
#>pkgload 1.1.0 2020-05-29[1]起重机（R4.0.0）
#>plyr 1.8.6 2020-03-03[1]起重机（R 4.0.0）
#>prettyunits 1.1.1 2020-01-24[1]起重机（R4.0.0）
#>processx 3.4.2 2020-02-09[1]起重机（R 4.0.0）
#>ps 1.3.3 2020-05-08[1]起重机（R4.0.0）
#>purrr 0.3.4 2020-04-17[1]起重机（R 4.0.0）
#>R6 2.4.1 2019-11-12[1]起重机（R4.0.0）
#>Rcpp 1.0.4.6 2020-04-09[1]起重机（R4.0.0）
#>遥控器2.1.1 2020-02-15[1]起重机（R4.0.0）
#>重塑2*1.4.4 2020-04-09[1]起重机（R4.0.0）
#>rlang 0.4.6 2020-05-02[1]起重机（R4.0.0）
#>rmarkdown 2.1 2020-01-20[1]起重机（R4.0.0）
#>rprojroot 1.3-2 2018-01-03[1]CRAN（R 4.0.0）
#>比例尺1.1.1 2020-05-11[1]起重机（R4.0.0）
#>sessioninfo 1.1.1 2018-11-05[1]CRAN（R 4.0.0）
#>stringi 1.4.6 2020-02-17[1]起重机（R 4.0.0）
#>纵梁1.4.0 2019-02-10[1]起重机（R4.0.0）
#>测试2.3.2 2020-03-02[1]起重机（R 4.0.0）
#>tibble 3.0.1 2020-04-20[1]起重机（R 4.0.0）
#>潮汐选择1.1.0 2020-05-11[1]起重机（R 4.0.0）
#>使用本1.6.1 2020-04-29[1]起重机（R 4.0.0）
#>vctrs 0.3.0 2020-05-11[1]起重机（R4.0.0）
#>2020-04年期间的第2.2.0条
system.time({
  plot(0, ylim = range(data), xlim = c(1, ncol(data)), ylab = "tmp",
       type = "n", xaxt = "n", xlab = "")
  axis(1, at = seq(ncol(data)), labels = colnames(data), las = 2)
  matlines(t(data), col = 1, lty = 1)
})
   # user  system elapsed 
   # 0.23    0.58    0.83