几年后的更新

这个答案很旧，R
已经继续前进。调整read.table跑得快一点几乎没有什么好处。您的选择是：

1. 使用vroomtidyverse 包vroom将数据从 csv/tab 分隔文件直接导入 R tibble。

2. 使用freadindata.table将数据从 csv/制表符分隔的文件直接导入 R。

3. 使用read_tablein readr（从 2015 年 4 月起在 CRAN 上使用）。这很像fread上面的工作。链接中的 自述 文件解释了这两个函数之间的区别（readr目前声称比“慢 1.5-2 倍” data.table::fread）。

4. read.csv.rawfromiotools提供了快速读取 CSV 文件的第三个选项。

5. 尝试在数据库而不是平面文件中存储尽可能多的数据。（作为一种更好的永久存储介质，数据以二进制格式传入和传出 R，速度更快。）read.csv.sql在sqldf包中，如JD Long 的回答中所述，将数据导入临时 SQLite 数据库，然后读取它进入R。另见：包，以及包页面RODBC的反向依赖部分。为您提供一种伪装成数据框但实际上是底层 MonetDB 的数据类型，从而提高性能。使用其功能导入数据。 允许您直接处理存储在多种类型数据库中的数据。DBIMonetDB.Rmonetdb.read.csvdplyr

6. 以二进制格式存储数据也有助于提高性能。使用saveRDS/ readRDS（见下文），h5或rhdf5用于 HDF5 格式的包，或write_fst/read_fst来自fst包。

原来的答案

无论您使用 read.table 还是 scan，都可以尝试一些简单的事情。

1. Set nrows= 数据中的记录数 ( nmaxin scan)。

2. 确保comment.char=""关闭注释的解释。

3. colClasses使用in显式定义每列的类read.table。

4. 设置multi.line=FALSE还可以提高扫描性能。

如果这些都不起作用，则使用其中一个分析包来确定哪些行正在减慢速度。read.table也许您可以根据结果编写一个精简版。

另一种选择是在将数据读入 R 之前对其进行过滤。

或者，如果问题是您必须定期读取它，那么使用这些方法读取一次数据，然后将数据帧保存为二进制 blob
save
saveRDS，那么下次你可以更快地检索它
load
readRDS.