首選方法：
使用data.table包中的fread函數：
fread(input, file, sep="auto", sep2="auto", dec=".", quote="\"",
nrows=Inf, header="auto",
na.strings=getOption("datatable.na.strings","NA"), # due to change to ""; see NEWS
stringsAsFactors=FALSE, verbose=getOption("datatable.verbose", FALSE),
skip="__auto__", select=NULL, drop=NULL, colClasses=NULL,
integer64=getOption("datatable.integer64", "integer64"),
col.names,
check.names=FALSE, encoding="unknown",
strip.white=TRUE, fill=FALSE, blank.lines.skip=FALSE,
key=NULL, index=NULL,
showProgress=getOption("datatable.showProgress", interactive()),
data.table=getOption("datatable.fread.datatable", TRUE),
nThread=getDTthreads(),
logical01=getOption("datatable.logical01", FALSE), # due to change to TRUE; see NEWS
autostart=NA
)
加粗的部分是常用的
eg:
data <- fread('377/377_lj.csv',data.table = T)
讀取的速度，比一眾read.函數快了不止一倍。但不能讀取xlsx格式的數據，支持csv格式的數據。
使用openxlsx包中的read.xlsx，這個函數對十萬以內的較為復雜的數據還是沒有任何問題的，數據量超過10w就會有那么一點吃力了，到70w時，基本上就是廢掉的狀態。
針對讀取大量的數據問題，
翻了很多帖子，說要裝/更新rtools的，並沒有用，再說了，rtools是使用openxlsx必裝的，貌似跟打包有關系。有說要用read.xl包的，試來試去，還不如read.xlsx，最終，還是fread最好，不過要事先轉為csv。
另外read.xl是有其他優勢的，例如它可以讀取xls格式的數據，而openxlsx就不行，他可以自動把時間轉為正常的格式，openxlsx也不行。
總之，在讀取數據這一塊，還是需要有個系統的了解，例如掌握匹配不同數據類型的函數，能省不少事。