我正在购买一台新的笔记本电脑用于工作。我是一名博士生，每天都使用 R 和 pyhton，经常运行大型模拟。我想知道对于运行具有大型数据集和大量模拟的 R，最重要的是什么：处理器速度还是 RAM？
答案1
现代计算机通常配备 2-4 GB 的 RAM，至少在 Windows 上，“推荐”的 R 版本仍然是 32 位的，这意味着，除非您使用支持程度较低的 64 位 R 版本，否则您将无法利用超过 2-4 GB 的内存。在 Linux 上，分发 64 位版本（如果您有内存，则出于所有实际目的可以使用无限量的内存）更为常见。此外，更多的 RAM 只会在您不再频繁交换到页面文件之前导致更快的处理速度。另一方面，处理器速度永远不会达到这种任意限制或收益递减的程度。
话虽如此，如果性能至关重要，那么首先要考虑的是使用比 R 或 Python 更快的语言。R 和 Python 是非性能关键代码的绝佳语言，程序员的便利性很重要，但如果您需要速度，那么最好学习 D、C#、Java 甚至 C++，并找到一个好的统计库来配合它们。在处理类似编写的代码时，这些语言的速度可能比 R 和 Python 快几个数量级。
答案2
取决于模拟的大小。如果模拟的数据量太大，以至于无法放入工作集（主内存）中，那么瓶颈就始终是硬盘。在这些情况下，增加内存将通过消除循环中的硬盘来提高性能，因为主内存比硬盘快几个数量级。另一方面，如果整个问题都适合放在 RAM 中，那么瓶颈可能是 CPU 时间。