虽然，上学期有三门课程涉及R语言，其中两门专门讲有关R语言的知识，但是，个人认为目前还是R语言的初学者。
        之前使用java+R语言编写的实验，勉勉强强还能忍受内存消耗和运行时间，然而，当我前几天想要扩大数据集的时候，才发现，这根本不是换一套数据，改一个范围如此简单的事情。由于电脑配置不行，根本存不下所需的矩阵，java 虚拟机一直爆出内存超限的错误。于是把能降低内存的方法都加上去了，比如重复利用变量，double全改float，能用short类型的就不用int类型，能用邻接表的不用邻接矩阵等，总算是解决了java内存不够的问题。由于当时数据规模较小，为图编码方便，写了很多的邻接矩阵，导致数据量变大的时候，运行时间令人难以忍受（我晚餐都吃完了，运行还没结束）。由此也得出一个教训：在实验设计时，应当考虑到数据规模变大导致的时间和空间的消耗。能尽量节省空间就节省，能尽量降低时间复杂度就多花些时间写代码，把时间复杂度降下来。
        之前的小规模实验，按照实验步骤，在R中用自己易于理解的方式进行了编码， 由于R是初学，之前用的较多的是C与C++的混合编程，所以即使是在编写R中，也有许多C与C++的痕迹。矩阵运算基本采用for循环，数据量一大，导致时间难以承受。无奈，上网搜之，原来R有自己的矩阵运算的式子（此时的内心是崩溃的，之前花了那么长时间写的代码，还不如简短的几句话）。对之前的代码怒删之。
虽然，实验效果图还没有出来，还是想花点时间，把实验中用到的矩阵运算和数据读写在此记录一下，一来，给自己长点记性（为什么之前不想着去搜一搜！）；二来，以后需要用R解决矩阵运算问题时，可以直接翻看此文，节省网上甄别答案的时间；第三，也可以给能看到我空间的好友在以后如果需要使用R语言进行编程时，提供一个参考。

首先是向量： 若A = [1,2,3,4]   B=[6,7,8,9] 则 A%*%B = [1*6+2*7+3*8+4*9]   即数学上的 向量点积，得到一个数
                                                                        A*B = [6,14,24,36]  即向量对应位置相乘，得到的是一个向量
                                                                        A%o%B = C（4x4 的矩阵） 即数学上的  向量外积  得到一个矩阵 C1,2 表示A1 * B2
然后是矩阵： 若 A，B为矩阵 则 t(A) 表示矩阵A的转置
                                                    A*B 表示矩阵A和B对应位置相乘，还是一个矩阵，要求A与B的规模相同（等行和等列）
                                                    A%*%B 表示矩阵A和B相乘， 即数学意义上的两个矩阵相乘，要求前者列数等于后者行数 得到一个数
                                                    A/B 表示矩阵A和B对应位置相除
在R中，传统的四则运算+-*/ 运用在向量和矩阵中，均表示对应位置元素的四则运算

多么简单的代码，关键是速度还挺快。哭TT。

在解决了由于矩阵运算带来的时间消耗难以承受的问题后，发现将数据读写到文档，也是耗时过长的步骤。之前上课以及网上广泛传播的读写操作，数据量一大，就显得力不从心。上网搜之，找到两个解决办法。分别是：readr包和feather包。每个包就简单举一个实验中用到的例子来加以说明。
        reader包里面的read_table， 是的read与table采用"_"进行连接，与教材上的仅一个链接符号的差别。但是读取速度快了不止一倍。缺点是，好像只能读取以空格作为分隔符的数据（哎，我为啥要用“\t”）作为分隔符呢，好气的是，read_csv读txt文件时居然也只认空格。 另外，reader包里没有 write_table函数 (/无奈)。
        feather包里有一个 read_feather函数，读取文件的速度也很快，读取的数据查看类型是一个有3个类型的东西，好像是数据库吧，不记得了，第三个是数据框格式。所以在实验中，我一般读取完都用as.data.frame先转换成数据框格式再进行后续操作。还有一个与之对应的write_feather函数，写入文档的时间比write.table不知快到哪里去了。不过，对比write_feather和write.table，前者的文档要更大一点，打开来看，居然还是乱码，不过不影响通过read_feather去读取它，所以也就不管了。另外，write_feather只能写data.frame类型的数据，其他数据需要转化成数据框格式才行，这也消耗了一定的时间。
         虽然这两个包都有不足之处，但时间消耗明显要比传统的数据读写低，所以，我把之前写的基本都采用了read_feather 和 write_feather形式，只是这样存入文档的数据不能直接使用记事本打开编辑。

从一定意义上说，R确实强大，R能几乎占用我电脑的全部内存，对于向量与矩阵的运算，R也要明显优于java。以后能不用for循环就不写for循环。R跑for循环简直慢的要死。
          个人认为，R的强大，在于有许多人无私的奉献，各种R包，各种类库，丰富完善了R的功能，也方便了像我一样苦苦挣扎着做实验的人。在现在这个时代，编程正在变得越来越简单，你会发现，你所困惑的，早已有人在你之前解决。向伟大的科学家致敬！