R代码随着迭代次数的增加而变慢

我一直在努力提高一些代码的速度。我已经删除了所有的循环，正在使用矢量，并且几乎所有的东西都用了流线型线条。我已经对代码的每次迭代进行了计时，并且随着迭代次数的增加，它似乎会变慢

### The beginning iterations
   user  system elapsed 
   0.03    0.00    0.03 
   user  system elapsed 
   0.03    0.00    0.04 
   user  system elapsed 
   0.03    0.00    0.03 
   user  system elapsed 
   0.04    0.00    0.05 

### The ending iterations
   user  system elapsed 
   3.06    0.08    3.14 
   user  system elapsed 
   3.10    0.05    3.15 
   user  system elapsed 
   3.08    0.06    3.15 
   user  system elapsed 
   3.30    0.06    3.37 

我有598次迭代，现在大约需要10分钟。我想加快速度。下面是我的代码的外观。您需要

RColorBrewer

和

字段

包。这是我的。是的，我知道它很大，一定要下载zip文件

    StreamFlux <- function(data,NoR,NTS){
###Read in data to display points###
       WLX = c(8,19,29,20,13,20,21)
       WLY = c(25,28,25,21,17,14,12)
       WLY = 34 - WLY
       WLX = WLX / 44
       WLY = WLY / 33
       timedata = NULL
       mf <- function(i){
       b = (NoR+8) * (i-1) + 8

          ###I read in data one section at a time to avoid headers
          mydata = read.table(data,skip=b,nrows=NoR, header=FALSE)
          rows = 34-mydata[,2]
          cols = 45-mydata[,3]
          flows = mydata[,7]
          rows = as.numeric(rows)
          cols = as.numeric(cols)
          rm(mydata)

          ###Create Flux matrix
          flow_mat <- matrix(0,44,33)

          ###Populate matrix###
          flow_mat[(rows - 1) * 44 + (45-cols)] <- flows+flow_mat[(rows - 1) * 44 + (45-cols)]
          flow_mat[flow_mat == 0] <- NA
          rm(flows)
          rm(rows)
          rm(cols)
          timestep = i

          ###Specifying jpeg info###
          jpeg(paste("Steamflow", timestep, ".jpg",sep = ''),
               width = 640, height=441,quality=75,bg="grey")
          image.plot(flow_mat, zlim=c(-1,1), 
                     col=brewer.pal(11, "RdBu"),yaxt="n",
                     xaxt="n", main=paste("Stress Period ", 
                     timestep, sep = ""))
          points(WLX,WLY)
          dev.off()
          rm(flow_mat)
   }
   ST<- function(x){functiontime=system.time(mf(x))
   print(functiontime)}
   lapply(1:NTS, ST)
}

要测试remove

print（functiontime）

，请在每个时间步停止打印

---

我想要的是加速运行这段代码，并解释为什么它会慢下来？我应该把它分成几个部分，这似乎是一个愚蠢的解决方案。我已经从

plyr

上读到了关于

dlply

。这似乎奏效了，但这对我有帮助吗？并行处理怎么样，我想我能弄明白，但在这种情况下值得麻烦吗？

我会按照@PaulHiemstra的建议，发表我的评论作为答案。谁能抵制互联网积分

快速浏览一下您的代码，我同意@joran在其评论中的第二点：由于重复读取数据，您的循环/函数可能正在减速。更具体地说，这部分代码可能需要修复：

read.table（数据，skip=b，nrows=NoR，header=FALSE）

---

特别是，我认为

skip=b

参数是罪魁祸首。如果可能的话，您应该在开始时阅读所有数据，然后从内存中检索计算所需的部分。

我将遵循@PaulHiemstra的建议，并将我的评论作为答案发布。谁能抵制互联网积分

快速浏览一下您的代码，我同意@joran在其评论中的第二点：由于重复读取数据，您的循环/函数可能正在减速。更具体地说，这部分代码可能需要修复：

read.table（数据，skip=b，nrows=NoR，header=FALSE）

---

特别是，我认为

skip=b

参数是罪魁祸首。如果可能的话，您应该在开始时阅读所有数据，然后从内存中检索计算所需的部分。

我将遵循@PaulHiemstra的建议，并将我的评论作为答案发布。谁能抵制互联网积分

快速浏览一下您的代码，我同意@joran在其评论中的第二点：由于重复读取数据，您的循环/函数可能正在减速。更具体地说，这部分代码可能需要修复：

read.table（数据，skip=b，nrows=NoR，header=FALSE）

---

特别是，我认为

skip=b

参数是罪魁祸首。如果可能的话，您应该在开始时阅读所有数据，然后从内存中检索计算所需的部分。

我将遵循@PaulHiemstra的建议，并将我的评论作为答案发布。谁能抵制互联网积分

快速浏览一下您的代码，我同意@joran在其评论中的第二点：由于重复读取数据，您的循环/函数可能正在减速。更具体地说，这部分代码可能需要修复：

read.table（数据，skip=b，nrows=NoR，header=FALSE）

---

---

特别是，我认为

skip=b

参数是罪魁祸首。如果可能的话，你应该在一开始就读入所有数据，然后从内存中检索必要的部分进行计算。

先自己动手，把你的问题提炼到一个你遇到问题的最小例子。我不会花时间在这么大和复杂的例子上。但给你两条建议：（1）使用

RProf

来确定哪些部分是瓶颈；（2）我敢打赌，你从磁盘读取连续部分的策略是非常次优的。触摸（可能是旋转）磁盘的速度很慢。一次读入所有数据。即使如此，您仍试图将数百个绘图写入磁盘。这也不会太快，取决于你的硬盘。@eddi我一直在努力改进这段代码。如果我知道我的问题的根源是什么，我会发布一个最小的示例，就像我在简化过程中对代码的其他部分所做的那样。我不确定问题出在哪里，所以我想让大家看看完整的代码。我发布的内容有什么复杂之处？我所做的就是格式化数据，绘制数据，然后用

lappy

重复。甚至不需要ST函数。它只是用来打印运行时间的。快速浏览一下，我同意@joran关于（2）的观点。由于这部分代码，您的循环速度可能会减慢：

read.table（data，skip=b，nrows=NoR，header=FALSE）

。特别是，我认为

skip=b

部分是罪魁祸首。如果可能的话，您应该在开始时读入所有数据，然后从内存中检索计算所需的部分。@ialm您能将您提供的信息作为答案发布吗。这样一来，问题就很明显得到了回答，你会获得一些声誉。首先，你自己做一些工作，把你的问题提炼成一个你遇到问题的最小例子。我不会花任何时间在这么大和复杂的例子上。但给你两条建议：（1）使用

RProf

来确定哪些部分是瓶颈；（2）我敢打赌，你从磁盘读取连续部分的策略是非常次优的。触摸（可能是旋转）磁盘的速度很慢。一次读入所有数据。即使如此，您仍试图将数百个绘图写入磁盘。这也不会太快，取决于你的硬盘。@eddi我一直在努力改进这段代码。如果我知道我的问题的根源是什么，我会

###To run all timesteps###
StreamFlux("stream_out.txt",687,598)
###To run the first 100 timesteps###
StreamFlux("stream_out.txt",687,100)
###The first 200 timesteps###
StreamFlux("stream_out.txt",687,200)

> system.time(StreamFlux("stream_out.txt",687,100))
  user  system elapsed 
  28.22    1.06   32.67 
> system.time(StreamFlux("stream_out.txt",687,200))
   user  system elapsed 
 102.61    2.98  106.20