绝对有！处理超大CSV的时候，把整个文件加载进R确实太耗时间了，下面给你几个不用读全量数据就能快速统计记录数的方法：

系统级命令是处理大文件的最优解，完全不用碰R，速度快到飞起：

• Linux/macOS 终端：
  统计总行数（包含表头）：

  wc -l your_file.csv
  

  如果要排除表头，直接计算真实记录数：

  wc -l your_file.csv | awk '{print $1 - 1}'
  

• Windows 环境：
  用命令提示符统计总行数：

  find /c /v "" your_file.csv
  

  排除表头的话，用PowerShell更方便：

  (Get-Content your_file.csv | Measure-Object -Line).Lines - 1
  

如果不想切换到终端，R里也有不用加载全量数据的方法：

• 用readLines计数：
  这个函数只会读取文件的行数，不解析任何数据，速度远快于read.csv：

  # 总行数减1（排除表头）
  record_count <- length(readLines("your_file.csv")) - 1
  

• 用vroom包（专为大文件优化）：
  vroom是处理大CSV的神器，它的vroom_lines函数可以高效读取行数：

  library(vroom)
  record_count <- length(vroom_lines("your_file.csv")) - 1
  

• 调用系统命令到R里：
  也可以在R里直接调用前面的系统命令，不用切换环境：

  # Linux/macOS 下
  record_count <- as.integer(system("wc -l your_file.csv | awk '{print $1 - 1}'", intern = TRUE))
  
  # Windows PowerShell 下
  record_count <- as.integer(system('powershell "(Get-Content your_file.csv | Measure-Object -Line).Lines - 1"', intern = TRUE))
  

小提示：如果你的CSV里有换行符（比如某个字段里包含\n），wc -l或者readLines可能会统计错误，这种情况下可以用data.table的fread，它能正确解析带换行符的CSV，而且可以只计数不加载全量：

library(data.table)
# fread会自动识别表头，直接返回记录数
record_count <- nrow(fread("your_file.csv", select = 1)) # 只读取第一列，减少内存占用

内容的提问来源于stack exchange，提问作者hawkaterrier