R语言数据探索：如何快速可视化大型矩阵？

我太懂这种对比之后的挫败感了——Matlab里秒出的大矩阵可视化，到R里居然要等几分钟，换谁都急。先给你吃颗定心丸：你的操作完全没问题，只是默认的可视化函数对大矩阵的优化没跟上。下面给你几个超实用的快速方案，都是一两行代码就能搞定的：

1. 用stars包（最快首选） #

stars是专门为多维栅格/矩阵数据设计的包，底层用C++做了优化，处理大矩阵的速度快到离谱，3000×3000的矩阵基本几秒就能出图：

library(stars)
plot(st_as_stars(rand.matrix))

它直接把矩阵转换成栅格对象，不需要额外的数据格式转换，省去了melt这类耗时步骤，同时默认的配色和布局也很实用。

2. 用raster包 #

raster包也是处理栅格数据的老牌工具，同样不需要转换长格式，速度比image.plot快很多：

library(raster)
plot(raster(rand.matrix))

如果需要自定义配色，直接加col参数就行，比如用流行的viridis配色：

plot(raster(rand.matrix), col = viridis::viridis(256))

3. 优化base R的image()函数 #

如果你不想装额外包，base R的image()本身比image.plot快不少——毕竟image.plot额外做了颜色条精细化渲染、边界调整等操作，拖慢了速度。试试这个：

image(rand.matrix, col = viridis::viridis(256))

虽然速度比前两个包稍慢，但胜在无需额外依赖，对于1000×1000的矩阵，应该能控制在几秒内完成。

为什么之前的方法慢？ #

• image.plot()（来自fields包）：它在绘制时会做很多额外计算，比如生成高精度的颜色条、调整图像边界，这些对小矩阵友好，但大矩阵会大幅增加耗时。
• ggplot2的melt+geom_raster()：melt会把矩阵转换成百万级行数的长格式数据，这个转换过程本身就耗时，再加上geom_raster逐个渲染像素，自然慢得离谱。

内容的提问来源于stack exchange，提问作者R Greg Stacey