這篇剛好來試試看資料處理順序跟dplyr, tidyr等工具對於資料整理能力的差異
根據原PO的問題，總共要做三個動作：
1. 去掉只出現一個類別的遭利
2. 列出最小比例的類別以及比例
3. 合併成一張variabel對類別的表格
先試試看三個動作分開做(preprocess_f)，然後合併做(preprocess_f2)
接著用tidyr, dplyr試試看(preprocess_f3)，最後一起比較速度。
PS: 這裡就沒測試tidyr, dplyr分開做了，讓我偷懶一下XD
程式連結：http://pastebin.com/PTzXdf3K
這裡只放結果：
st = proc.time()
t1 = preprocess_f(dat)
proc.time() - st
# user system elapsed
# 47.80 0.42 47.39
st = proc.time()
t2 = preprocess_f2(dat)
proc.time() - st
# user system elapsed
# 40.35 0.23 40.03
st = proc.time()
t3 = preprocess_f3(dat)
proc.time() - st
# user system elapsed
# 13.85 0.00 13.89
在這個例子中，資料處理順序可以有效縮短時間
但是用對工具可以獲得更好的效果!
補上：全程最高只用掉500M的記憶體
環境：windows 7 64 bit, R-3.2.0 (置換RRO的Rblas.dll and Rlapack.dll)
i7-3770K@4.4GHz, DDR3-2400 16G ram