R中的tidyverse VS dplyr - 处理能力/性能答案

【问题标题】：tidyverse VS dplyr in R - Processing Power / PerformanceR中的tidyverse VS dplyr - 处理能力/性能
【发布时间】：2021-08-13 14:37:39
【问题描述】：

我对 R 编程比较陌生，我一直在做研究，但我找不到这个话题的答案。

在代码的开头加载完整的 tidyverse 是否需要更多的处理能力，而不是仅加载 dplyr 包。例如，我可能只需要可以在 dplyr 中找到的函数。我是否通过加载完整的 tidyverse 来降低代码的速度/性能，考虑到它包含其他几个包，它必须是一个更大的包？或者无论我选择加载哪个包，处理速度都会相同。从易于编码的角度来看，我宁愿使用 tidyverse，因为它更全面，但如果我使用更多的处理能力，那么加载不太全面的包可能会更有效。

【问题讨论】：

您并没有降低速度，您只是损失了几秒钟，并通过加载所有 tidyverse 包来膨胀搜索列表。速度/性能取决于您使用的未加载的功能（我认为）。

标签： r dplyr tidyverse memory-efficient

【解决方案1】：

正如 NelsonGon 所说，加载包不会降低您的处理速度。尽管包本身需要一些时间来加载，但它可能可以忽略不计，尤其是如果您已经想要加载 dplyr、tidyr 和 purrr 等。

在搜索路径上加载更多库（例如使用 library(dplyr)）可能不会影响您的速度，但可能会导致命名空间错误。

现在，有一些比较 dpylr、data.table 和 base R 的基准，而 dpylr 往往更慢，但 YMMV。这是我找到的一个：https://www.r-bloggers.com/2018/01/tidyverse-and-data-table-sitting-side-by-side-and-then-base-r-walks-in/。因此，如果您正在执行需要很长时间的操作，那么使用 data.table 可能是值得的。

【讨论】：