R语言：运行代码需要很长时间

我发表了关于如何使用“plotly”库在R中绘制交互式时间序列的文章。我收到了一个答案，并尝试运行该代码-但是，该代码已经运行了3个小时。数据并没有那么大，我在plotly网站（和）上尝试了一个类似的例子，它们似乎运行良好

下面是我试图运行的代码（来自我之前的答案）：

#load libraries and generate artificial time series data (this part works)

library(xts)
library(ggplot2)
library(dplyr)
library(plotly)

#create data

#time series 1
date_decision_made = seq(as.Date("2014/1/1"), as.Date("2016/1/1"),by="day")

date_decision_made <- format(as.Date(date_decision_made), "%Y/%m/%d")

property_damages_in_dollars <- rnorm(731,100,10)

final_data <- data.frame(date_decision_made, property_damages_in_dollars)

final_data %>%
  mutate(date_decision_made = as.Date(date_decision_made)) %>%
  add_count(week = format(date_decision_made, "%W-%y"))

final_data$class = "time_series_1"


#time series 2
date_decision_made = seq(as.Date("2014/1/1"), as.Date("2016/1/1"),by="day")

date_decision_made <- format(as.Date(date_decision_made), "%Y/%m/%d")

property_damages_in_dollars <- rnorm(731,10,10)

final_data_2 <- data.frame(date_decision_made, property_damages_in_dollars)

final_data_2 %>%
  mutate(date_decision_made = as.Date(date_decision_made)) %>%
  add_count(week = format(date_decision_made, "%W-%y"))

final_data_2$class = "time_series_2"

#combine
data = rbind(final_data, final_data_2)

---

虽然数据不小（通过转换在累加_之后的535092行），但生成这些绘图仪不应该花费数小时。在我的机器上，整个过程不到2分钟。它似乎留下了一些只有重新启动R才能清除的数据，因此您可能需要检查内存占用情况

以下代码应可复制：

---

tic虽然数据不小（通过

transformation累积后的535092行），但生成这些绘图图形应该不需要几个小时。在我的机器上，整个过程不到2分钟。它似乎留下了一些只有重新启动R才能清除的数据，因此您可能需要检查内存占用情况

以下代码应可复制：

---

tic你有没有试着找出代码的哪一部分花了这么长时间？我个人会停止它，创建数据（并发现这是否是慢下来的原因），然后一步一步地找出问题所在。@Elin:谢谢你的回答。是的，这是两个部分的绘图函数。这段代码的某些方面对我来说没有意义（使用as.Date（）多次计算同一事物）反复使用相同的数据。也不确定是否有必要转换为数字。你确定这不是累积函数的问题吗？也尝试切换到使用原始日期而不是x的tmp_日期。只看这些图表，我确实认为你有很多数据。如果你只是尝试绘制前4个月的图表，会怎么样s或类似的东西？您是否尝试过隔离代码的哪个部分花费了这么长的时间？我个人会停止它，创建数据（并发现这是否是慢下来的原因），然后一步一步地找出问题所在。@Elin:谢谢你的回答。是的，这是两个部分的绘图函数。它们对你来说也需要很长时间吗？这段代码的某些方面对我来说没有意义（使用as.Date（）多次计算同一事物）反复使用相同的数据。也不确定是否有必要转换为数字。你确定这不是累积函数的问题吗？也尝试切换到使用原始日期而不是x的tmp_日期。只看这些图表，我确实认为你有很多数据。如果你只是尝试绘制前4个月的图表，会怎么样s或类似的东西？非常感谢您的回复！我花了这么多时间试图弄明白如何理解第2部分！至于第1部分-您知道如何将日期格式从16.1k更改为更易于识别的日历日期吗？非常感谢您的帮助！请参阅编辑的帖子-您可以在悬停文本中添加日期并添加带有日期的自定义x轴标签。不幸的是，我没有设法让框架使用日期格式。非常感谢您的回复！我花了这么多时间试图了解如何了解第2部分！至于第1部分-您知道如何将日期格式从16.1k更改为更易识别的日历日期吗？我无法感谢您h为您提供帮助！请参阅编辑的帖子-您可以在悬停文本中添加日期，并添加带有日期的自定义x轴标签。不幸的是，我没有让框架使用日期格式。
#part 1:

data <- data %>%
 mutate(tmp_date = as.numeric(as.Date(date_decision_made, format = "%Y/%m/%d")))

accumulate_by <- function(dat, var) {
  var <- lazyeval::f_eval(var, dat)
  lvls <- plotly:::getLevels(var)
  dats <- lapply(seq_along(lvls), function(x) {
    cbind(dat[var %in% lvls[seq(1, x)], ], frame = lvls[[x]])
  })
  dplyr::bind_rows(dats)
}
data <- data %>% accumulate_by(~tmp_date)

fig <- data %>%
  plot_ly(
    x = ~tmp_date, 
    y = ~property_damages_in_dollars,
    split = ~class,
    frame = ~frame, 
    type = 'scatter',
    mode = 'lines', 
    line = list(simplyfy = F)
  )

fig

#part 2

updatemenus <- list(
  list(
    active = -1,
    type= 'buttons',
    buttons = list(
      list(
        label = "time_series_1",
        method = "update",
        args = list(list(visible = c(FALSE, TRUE)),
                    list(title = "series 1",
                         annotations = list(c(), high_annotations)))),
      list(
        label = "time_series_2",
        method = "update",
        args = list(list(visible = c(TRUE, FALSE)),
                    list(title = "series 2",
                         annotations = list(low_annotations, c() )))),
      
    )
  )

)

fig <- data %>% plot_ly(type = 'scatter', mode = 'lines') 
fig <- fig %>% add_lines(x=~date_decision_made,
  y=~property_damages_in_dollars, name="High",
  line=list(color="#33CFA5")) 
fig <- fig %>% add_lines(x=~date_decision_made, 
  y=~property_damage_in_dollars, name="Low",
  line=list(color="#F06A6A")) 
fig <- fig %>% layout(title = "Apple", showlegend=FALSE,
                      xaxis=list(title="Date"),
                      yaxis=list(title="Price ($)"),
                      updatemenus=updatemenus)




fig

 sessionInfo()
R version 4.0.2 (2020-06-22)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 18363)

Matrix products: default

locale:
[1] LC_COLLATE=English_Canada.1252  LC_CTYPE=English_Canada.1252    LC_MONETARY=English_Canada.1252 LC_NUMERIC=C                   
[5] LC_TIME=English_Canada.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] plotly_4.9.2.1 dplyr_1.0.2    ggplot2_3.3.2  xts_0.12.1     zoo_1.8-8     

loaded via a namespace (and not attached):
 [1] tinytex_0.26         tidyselect_1.1.0     xfun_0.15            purrr_0.3.4          reshape2_1.4.4       splines_4.0.2       
 [7] lattice_0.20-41      colorspace_1.4-1     vctrs_0.3.2          generics_0.0.2       viridisLite_0.3.0    htmltools_0.5.0     
[13] stats4_4.0.2         yaml_2.2.1           survival_3.2-7       prodlim_2019.11.13   rlang_0.4.7          ModelMetrics_1.2.2.2
[19] pillar_1.4.6         glue_1.4.1           withr_2.3.0          xgboost_1.1.1.1      foreach_1.5.1        lifecycle_0.2.0     
[25] plyr_1.8.6           lava_1.6.8           stringr_1.4.0        timeDate_3043.102    munsell_0.5.0        gtable_0.3.0        
[31] recipes_0.1.13       htmlwidgets_1.5.2    codetools_0.2-16     crosstalk_1.1.0.1    caret_6.0-86         class_7.3-17        
[37] Rcpp_1.0.5           scales_1.1.1         ipred_0.9-9          jsonlite_1.7.1       digest_0.6.25        stringi_1.4.6       
[43] grid_4.0.2           tools_4.0.2          magrittr_1.5         lazyeval_0.2.2       tibble_3.0.3         tidyr_1.1.0         
[49] crayon_1.3.4         pkgconfig_2.0.3      MASS_7.3-53          ellipsis_0.3.1       Matrix_1.2-18        data.table_1.12.8   
[55] pROC_1.16.2          lubridate_1.7.9      gower_0.2.2          httr_1.4.2           rstudioapi_0.11      iterators_1.0.13    
[61] R6_2.4.1             rpart_4.1-15         nnet_7.3-14          nlme_3.1-149         compiler_4.0.2