我们经常听到一些人谈论R语言的效率问题，又经常听到另一些人评论说这种比较是建筑在“naive”的R语言编程方法上的。如果R语言发挥到极致（仅限于我的能力范围之内），到底能优化到什么程度，这是我在本文希望讨论的问题。

在此之前，再次感谢Iris2126同学，是他的《【R】提升R代码运算效率的11个实用方法》让我得以展开今天的讨论，现在我还经常看会该篇文章，每每都有些收获。

今天我们延续该文的讨论，但比较的是三种最有效率的方法：C++(Rcpp)、最简向量化、和data.table格式，这三种上面文章中都有提到过，但是都不是最优化的，我根据英文原帖的跟帖高手中一些思路照搬过来了（代码非原创，荣誉归于这两位外国高手）。

1、问题的提出，假设有这么一个data.frame:
然后，判断该数据框(df)的每一行的总和是否大于4，如果该条件满足，则对应的新变量数值为’greater_than_4’，否则赋值为’lesser_than_4’。就是这么个简单的问题。

2、a）Rcpp包加载C++函数：（原帖中的C++代码无法运行，且判断语句不知所云，很可能有错漏，我恶补了Rcpp的知识后稍微改动过，可能是比较低效率的代码，请大神指正）

b）将向量化做到极致：

c）用大名鼎鼎的data.table数据结构（返回的是增加了一列的data.table，而非上两种方式中的向量）

3、OK，万事俱备，开始测试：

4、结果。在揭晓之前，我们来猜猜谁最快？C++？



当然，反正都很快就是了，不过，强中自有强中手，想不到极致向量化的方法比C++更快，而data.table又比极致向量化更快。

具体耗时可能因电脑不同而异，我在两台32位的老电脑上测试过，均是相同的快慢顺序。

5、结论——R语言的潜力我们还根本没有挖掘彻底！静下心来，好好学习吧。