1. R语言运行效率分析_小结（4）

小结（4）

上节讨论了数据量n<1000时名个函数用时规律，本节讨论1000<n<100000的情形。画图方法如上节。

与上一节的图相比，明显变换就是处理每一个数据所需的时间减小不少。ddply已减小到5微秒之内。反而str_replace的速度在Month, season和all中差别比较大。

接下来咱们研究0～5微秒内的函数
从上图能够看出，随着数据量的增大，只有 join函数用时比较稳定，在all，month和season这三组差异不大，其它函数或多或少都有差别。另外，除了which，for_if，ddply函数等还出现了拐点。这就说明，这些出现拐点的函数处理数据效率最高的临界点在100000之内。

接下来咱们研究0～1微秒内的函数

从上图能够看出，只有join函数还在持续递减。也就是说，当数据量为100000时，处理每一个数据所需时间大约在0.125微秒之内。which函数尽管较join函数稳定性较弱，不过整体效率仍是不错的。

总的来讲，join<which<[for_if_else,for_if,for_switch]<[ddply,str_replace]

下一节咱们看看join函数的极限在什么地方！

(未完！待续……)