为什么read.csv这么慢？

浏览stackoverflow上的问题很长一段时间，发现许多有用的答案，我终于发现了一些我找不到答案的问题。当我遇到一个我可以有意义地贡献的问题时（也许是另一天），我也该开始向社区回馈了

不管怎样，我的第一个问题，所以请对我温柔一点：

我很清楚R中的read.csv函数绝不是读取中数据的最有效方式，许多问题和答案都涉及到read.csv的替代方案，但这个问题的重点略有不同，我想确实有两个问题需要回答

我想知道的是为什么read.csv这么慢？导致其性能不佳的管理费用是什么

此外，我还拥有许多可以测试代码位的计算机，包括带SSD的笔记本电脑和带标准HDD的台式机。在最近的测试中，我无法发现两台机器上的读取时间之间存在明显的差异（我本以为使用固态驱动器时读取时间会快得多），为什么会这样

一些代码重现了我一直在测试的基准类型：

    bm_io = function (runs = 3, n = 1e6, ncol = 1000) {
      set.seed(1)
      on.exit(set.seed(NULL))
      x = rnorm(n)
      m = data.frame(matrix(x, ncol = ncol))
      timings = data.frame(user = numeric(2 * runs), system = 0, 
                   elapsed = 0, test = c("write", "read"))
      for (i in 1:runs) {
        fname = tempfile(fileext = ".csv")
        fname = "temp.csv"
        invisible(gc())
        timings[2 * i - 1, 1:3] = system.time({
          write.csv(m, fname, row.names = FALSE)
        })[1:3]
        timings[2 * i, 1:3] = system.time({
          read.csv(fname)
        })[1:3]
        unlink(fname)
      }
      timings
    }

---

如果有人对此有任何想法或评论，我将不胜感激。此外，如果我错过了类似的问题，请随时为我指出正确的方向。非常感谢

一个显著的性能提升是参数

colClasses

。性能提升通常是两个因素

我在读取大型csv文件的代码中通常执行以下步骤：

• 使用

  nrows

• 从读取数据帧的列中提取类
• 使用

  colClasses

• 如果由于不可预见的数据导致此操作失败，则使用整个数据，而不使用

  colClasses

---

您好，感谢您抽出时间回复。我知道

read.csv

有许多参数可以提高性能。尽管没有一个能从

data.table

包中接近

fread

。我的问题更多的是关于是什么原因使得

read.csv

与一些备选方案相比速度如此之慢，以及为什么我在从SSD或HDD读取时没有看到预期的差异。