R语言中RDS文件是否比CSV文件读写存储效率更高？

观察到的现象 #

• 相近文件体积的RDS文件导入R的速度远快于CSV文件
• 将本地存储的CSV文件导入R后，调用saveRDS保存为RDS格式，再调用readRDS重新导入RDS版本的同一份数据，导入耗时明显低于导入原CSV版本的耗时

验证实验过程 #

步骤1：构造测试数据集 #

# 构造测试用数据框，模拟实际分析中的整数型结构化数据集
test_file = data.frame(
  col1 = sample.int(100, 1000000, replace = TRUE), col2 = sample.int(100, 1000000, replace = TRUE),
  col3 = sample.int(100, 1000000, replace = TRUE), col4 = sample.int(100, 1000000, replace = TRUE),
  col5 = sample.int(100, 1000000, replace = TRUE), col6 = sample.int(100, 1000000, replace = TRUE),
  col7 = sample.int(100, 1000000, replace = TRUE), col8 = sample.int(100, 1000000, replace = TRUE),
  col9 = sample.int(100, 1000000, replace = TRUE), col10 = sample.int(100, 1000000, replace = TRUE),
  col11 = sample.int(100, 1000000, replace = TRUE), col12 = sample.int(100, 1000000, replace = TRUE),
  col13 = sample.int(100, 1000000, replace = TRUE), col14 = sample.int(100, 1000000, replace = TRUE),
  col15 = sample.int(100, 1000000, replace = TRUE), col16 = sample.int(100, 1000000, replace = TRUE),
  col17 = sample.int(100, 1000000, replace = TRUE), col18 = sample.int(100, 1000000, replace = TRUE),
  col19 = sample.int(100, 1000000, replace = TRUE), col20 = sample.int(100, 1000000, replace = TRUE)
)

步骤2：对比两种格式的导出耗时 #

# 测试CSV导出耗时
start.time <- Sys.time()
write.csv(test_file, "test_file.csv")
end.time <- Sys.time()
end.time - start.time
# Time difference of 28.84087 secs

# 测试RDS导出耗时
start.time <- Sys.time()
saveRDS(test_file, "test_file.RDS")
end.time <- Sys.time()
end.time - start.time
# Time difference of 11.96845 secs

测试结果：RDS导出速度明显快于CSV。

步骤3：对比两种格式的文件体积 #

# 查看文件大小（单位：字节）
file.info("test_file.csv")$size
# [1] 68287349

file.info("test_file.RDS")$size
# [1] 26169028

68287349/26169028
# [1] 2.609472

测试结果：CSV体积约为RDS的2.6倍，RDS存储空间占用更小。

步骤4：对比两种格式的导入耗时 #

# 测试CSV导入耗时
start.time <- Sys.time()
test = read.csv("test_file.csv")
end.time <- Sys.time()
end.time - start.time
# Time difference of 8.349364 secs

# 测试RDS导入耗时
start.time <- Sys.time()
test = readRDS("test_file.RDS")
end.time <- Sys.time()
end.time - start.time
# Time difference of 0.59674 secs

测试结果：RDS导入速度明显快于CSV。

关于RDS效率优势的事实依据、实验有效性说明 #

1. RDS在R环境下的读写效率、存储效率高于CSV是有明确底层逻辑支撑的普遍结论，不是单次实验的偶然结果：
   • CSV是通用纯文本格式，读写过程存在大量额外开销：导出时需要把R内存中不同类型的对象（整数、数值、因子、日期等）全部转换为纯文本字符串再写入磁盘；导入时需要逐行逐列识别分隔符、自动推断每列的数据类型、再把文本转换回R可识别的内存对象，这部分解析操作的计算量非常大。
   • RDS是R原生的二进制序列化格式，读写时直接将内存中的R对象按二进制结构落盘/加载，不需要做文本解析、类型推断，默认还自带轻量压缩，天然比CSV少了绝大多数计算步骤，速度更快、体积更小是必然结果。你测试中得到的RDS导入速度约为CSV14倍的结果，和社区大量公开测试的数值型数据集表现一致，不存在偏差。
2. 更换数据集不会改变核心结论，仅会影响效率差距的幅度：
   • 如果数据集包含大量长文本字符串，RDS的体积优势会有所缩小，但读写速度依然显著高于CSV；如果数据集以数值、因子、日期等结构化数据为主，RDS的速度、体积优势会比本次测试结果更明显。
3. 本次实验整体逻辑成立，仅存在三处不影响核心结论的小瑕疵：
   • 没有做多次重复测试取平均耗时，单次计时容易受系统后台其他进程的资源占用干扰，结果会存在小幅波动；
   • 测试数据集仅覆盖了整数类型，没有包含字符串、因子、日期、缺失值等常见数据类型，无法体现不同数据类型下的效率差距幅度；
   • 调用write.csv时没有加row.names = FALSE参数，默认把R的行索引作为第一列写入了CSV，会让CSV文件体积虚增一小部分，即便修正这个参数，RDS的优势依然非常显著。

大规模建模场景下使用RDS的性价比说明 #

在全R生态的机器学习、统计建模工作流中，将清洗完成的数据集提前转换为RDS格式的性价比非常高，是工业界很常用的优化手段：

• 能大幅缩短数据加载等待时间：GB级别的CSV文件读取往往需要数分钟到十几分钟，同等数据的RDS文件通常几十秒即可加载完成，每次运行脚本都能节省大量无意义的等待时间；
• 能减少重复预处理开销、降低出错概率：RDS会完整保留R对象的所有属性，包括提前设置好的列类型、因子水平顺序、日期格式、自定义字段属性等，不需要每次读取CSV后重复做类型转换、因子重编码、时间格式解析等预处理操作，也能避免read.csv自动类型推断导致的常见错误（比如把带前导零的编码读成数值丢失前导零、把ID字段误识别为数值等）；
• 唯一需要注意的适用边界：RDS是R专属格式，无法被Python、SAS等其他数据分析工具直接读取，如果需要跨工具协作，要额外保留一份通用格式的源文件；如果是R环境内部的分析、建模流程，中间结果和清洗完成的最终分析数据集使用RDS存储是最优选择。

内容的提问来源于stack exchange，提问作者stats_noob