Senhores, recorro a lista para buscar ajuda referente a uma questão de tempo de processamento no R. Escrevi um código para realizar, basicamente, operação de contagem dentro de subvetores de um vetor maior. O problema é que a performance vai caindo conforme a tarefa é executada. Tenho o vetor principal de dados: *vetor* Crio o vetor de diferenças vetor[i] - vetor[(i-1)]: *d* A tarefa é simples e consiste em avaliar, a partir da i-ésima posição do vetor principal, o subvetor que vai de (i+1) até (i+k), calculando a proporção de valores que são maiores que o valor anterior dentro desse subvetor. Faço a tarefa avaliando um subvetor de cada vez, reciclando o mesmo objeto chamado subVetorD. O ponto é que a cada subvetor avaliado o processamento vai ficando mais lento e para vetores muito longos a performance fica muito prejudicada. A questão é: porque perde performance e o que posso fazer a respeito? Abaixo envio um CMR, que não o é de fato, porque o vetor principal contém apenas alguns registros, a caráter ilustrativo. ########## length(vetor) #[1] 1499855 head(vetor) #[1] 39.2738 39.5016 39.5299 39.4839 39.4614 39.6217 summary(vetor) # Min. 1st Qu. Median Mean 3rd Qu. Max. # 14.25 31.95 50.02 46.21 57.73 89.87 #diferenças d<-diff(vetor, lag=1) k<-140 pctMaiorDepois<-NA marcacoes<-NA progress<-seq(2,(length(vetor)-k), by=10000) tam<-(length(vetor)-k) t1<-Sys.time() for (i in 2:tam){ if (d[i-1] > 0) { subVetorD<-d[(i+1):(i+k)] pctMaiorDepois[i]<-sum(subVetorD>0)/k } if (any(i==progress)) { t2<-Sys.time() print(paste(round(i/tam,2), round(difftime(t2,t1,units="secs"),2))) t1<-t2 } } A seguir está o resultado do print() acima, que parei em 70% do processamento completo, para mostrar como o tempo (em segundos) vai aumentando. % processamento ; tempos em segundos [1] "0 0.77" [1] "0.01 0.24" [1] "0.01 0.33" [1] "0.02 0.42" [1] "0.03 0.53" [1] "0.03 0.64" [1] "0.04 0.73" [1] "0.05 0.86" [1] "0.05 0.94" [1] "0.06 1.04" [1] "0.07 1.21" [1] "0.07 1.27" [1] "0.08 1.38" [1] "0.09 1.49" [1] "0.09 1.61" [1] "0.1 1.79" [1] "0.11 1.92" [1] "0.11 2.16" [1] "0.12 2.5" [1] "0.13 3.1" [1] "0.13 3.14" [1] "0.14 3.42" [1] "0.15 3.53" [1] "0.15 3.74" [1] "0.16 3.88" [1] "0.17 3.99" [1] "0.17 4.23" [1] "0.18 4.45" [1] "0.19 4.66" [1] "0.19 4.96" [1] "0.2 5.03" [1] "0.21 5.06" [1] "0.21 5.63" [1] "0.22 6.23" [1] "0.23 6.4" [1] "0.23 6.2" [1] "0.24 6.71" [1] "0.25 6.76" [1] "0.25 6.54" [1] "0.26 6.5" [1] "0.27 6.72" [1] "0.27 6.67" [1] "0.28 6.87" [1] "0.29 7.04" [1] "0.29 7.51" [1] "0.3 7.69" [1] "0.31 7.62" [1] "0.31 7.54" [1] "0.32 7.82" [1] "0.33 8.16" [1] "0.33 8.43" [1] "0.34 8.99" [1] "0.35 8.55" [1] "0.35 8.98" [1] "0.36 8.99" [1] "0.37 9.53" [1] "0.37 10.09" [1] "0.38 9.88" [1] "0.39 9.78" [1] "0.39 10.01" [1] "0.4 9.66" [1] "0.41 9.8" [1] "0.41 10.14" [1] "0.42 10.04" [1] "0.43 10.81" [1] "0.43 10.94" [1] "0.44 11.05" [1] "0.45 11.64" [1] "0.45 11.73" [1] "0.46 11.7" [1] "0.47 11.65" [1] "0.47 11.63" [1] "0.48 11.68" [1] "0.49 12.08" [1] "0.49 12.34" [1] "0.5 13.35" [1] "0.51 13.66" [1] "0.51 13.84" [1] "0.52 13.87" [1] "0.53 14.94" [1] "0.53 14.42" [1] "0.54 14.71" [1] "0.55 14.51" [1] "0.55 13.72" [1] "0.56 14.7" [1] "0.57 14.75" [1] "0.57 13.83" [1] "0.58 14.34" [1] "0.59 15.11" [1] "0.59 15.09" [1] "0.6 15.12" [1] "0.61 16.49" [1] "0.61 18.3" [1] "0.62 17.77" [1] "0.63 16.87" [1] "0.63 16.17" [1] "0.64 17.09" [1] "0.65 17.04" [1] "0.65 16.38" [1] "0.66 15.84" [1] "0.67 16.39" [1] "0.67 16.6" [1] "0.68 17.32" [1] "0.69 17.05" [1] "0.69 17.87" [1] "0.7 18.27" Abraços, Paulo Nogueira Starzynski