RStudio knit至HTML时冻结，计算密集型命令触发问题求助

针对distHaversine的性能优化 #

• 移除rowwise()，改用向量化计算：rowwise()会逐行处理数据，数据集较大时速度极慢。distHaversine本身支持矩阵输入，直接传入经纬度列组成的矩阵即可大幅提升效率：

may_to_october_behavior <- trips_w_stations %>% 
  filter(month %in% c('May','June','July','August','September','October')) %>% 
  mutate(trip_distance = distHaversine(
    matrix(c(start_lng, start_lat), ncol=2),
    matrix(c(end_lng, end_lat), ncol=2),
    r=6378137
  )) %>% 
  filter(trip_distance > 0) %>% 
  group_by(customer_type, bike_type) %>% 
  summarize(mean_trip_length = mean(trip_length, na.rm=TRUE),
            mean_distance_travelled_m = mean(trip_distance, na.rm=TRUE),
            ride_count = n_distinct(ride_id)) %>% 
  mutate(avg_mph = (mean_distance_travelled_m/mean_trip_length)*2.2369)

• 简化月份过滤逻辑：用%in%替代多个|，代码更简洁且性能更优。

针对difftime的优化 #

• 改用lubridate的time_length函数：lubridate包的time_length比基础包difftime更高效，语法也更简洁：

trips_2 <- trips_1 %>% 
  mutate(
    weekday = wday(started_at, label = TRUE, abbr = FALSE),
    month = month(started_at, label = TRUE, abbr = FALSE),
    week = strftime(started_at, format = "%V"),
    day = day(started_at),
    start_hour = hour(started_at),
    trip_length = time_length(ended_at - started_at, unit = "seconds")
  )

RStudio与Knit流程的优化 #

• 禁用自动保存和实时预览：Knit前在Tools > Global Options > Saving中关闭自动保存，同时选择在浏览器而非RStudio预览窗格打开结果，减少资源占用。
• 启用knitr缓存：对计算密集型代码块启用缓存，避免每次Knit重复计算：

```{r cache=TRUE, cache.lazy=FALSE}
# 此处放置计算密集型代码（如上述数据集处理代码）

- **更新软件与依赖包**：确保使用最新版本的R、RStudio以及tidyverse、geosphere等依赖包，新版本通常会修复性能问题与bug。
- **检查数据规模并抽样测试**：确认当前数据集行数，若数据量过大（百万级以上），可先抽样验证代码逻辑，再处理全量数据；或改用`data.table`替代`dplyr`进行更高效的大数据处理。

---
内容的提问来源于stack exchange，提问作者Pat Tarantino