Увеличете производителността/скоростта

Първият бит може просто да бъде:

s <- stack(files) 

Причината, поради която създаването на стек е донякъде бавно, е, че всеки файл трябва да бъде отворен и проверен, за да се види дали има същия nrow, ncol и т.н. като другите файлове. Ако сте напълно сигурни, че случаят е такъв, можете да използвате пряк път като този (обикновено НЕ се препоръчва)

quickStack <- function(f) {
r <- raster(f[1])
ln <- extension(basename(f), '')
s <- stack(r)
s@layers <- sapply(1:length(f), function(x){ r@file@name = f[x]; r@layernames=ln[x]; r@data@haveminmax=FALSE ; r })
s@layernames <- ln
s
}

quickStack(files)

Вероятно можете също да ускорите втората част, както в примерите по-долу, в зависимост от това колко RAM имате.

Прочетете ред по ред:

for (lat in 1:360) {
pet <- getValues(s, lat, 1)
for (long in 1:720) {
    x <- xts(pet[long,], dat)
    write.zoo(x,file=paste("P:/WRSRL/Users1/ncgk/IBERIA/cru_pet/zoo/","lat",lat,"long",long,".csv", sep="")  , sep=",")
}
}

по-крайно, прочетете всички стойности наведнъж:

 pet <- getValues(s)
 for (lat in 1:360) {
for (long in 1:720) {
    cell <- (lat-1) * 720 + long
    x <- xts(pet[cell,], dat)
    write.zoo(x,file=paste("P:/WRSRL/Users1/ncgk/IBERIA/cru_pet/zoo/","lat",lat,"long",long,".csv", sep="")  , sep=",")
}
}

Ще публикувам повторно коментара си тук и ще дам по-добър пример:

Общата идея: разпределете пространството за s, преди да се изпълни „растерният“ цикъл. Ако свържете s и r към нов обект s вътре в цикъла, R трябва да разпредели нова памет за s за всяка итерация. Това е наистина бавно, особено ако s е голямо.

s <- c()
system.time(for(i in 1:1000){ s <- c(s, rnorm(100))})
# user  system elapsed 
# 0.584   0.244   0.885 

s <- rep(NA, 1000*100)
system.time(for(i in seq(1,1000*100,100)){ s[i:(i+99)] <- rnorm(100) })
# user  system elapsed 
# 0.052   0.000   0.050

както можете да видите, предварителното разпределение е около 10 пъти по-бързо.

За съжаление не съм запознат с raster и stack, така че не мога да ви кажа как да приложите това към вашия код.

Нещо подобно трябва да работи (ако имате достатъчно памет):

#using "raster" package to import data 
rlist <- lapply(files, raster)
s <- do.call(stack, rlist)
rlist <- NULL # to allow freeing of memory

Той зарежда всички raster обекти в голям списък и след това извиква stack веднъж.

Ето пример за увеличения на скоростта: 1,25 секунди срещу 8 секунди за 60 файла - но старият ви код е квадратичен във времето, така че печалбите са много по-големи за повече файлове...

library(raster)
f <- system.file("external/test.grd", package="raster")
files <- rep(f, 60)

system.time({
 rlist <- lapply(files, raster)
 s <- do.call(stack, rlist)
 rlist <- NULL # to allow freeing of memory
}) # 1.25 secs

system.time({
 s<- raster(files[1])
 for (i in 2:length(files)) {
  r<- raster(files[i])
  s <- stack(s, r)
 }
}) # 8 secs

Опитах друг начин да се справя с множество файлове. Първо комбинирах растера на времевия ред в един файл във формат NetCDF, използвайки write.Raster(x,format="CDF",..) и след това просто прочетох един файл за всяка година, този път използвах brick(netcdffile,varname ='') четенето спестява много. Трябва обаче да запазя стойността на всяка клетка за всички години според някакъв предварително дефиниран формат, в който използвам write.fwf(x=v,...,append=TRUE), но отнема много време за почти 500 000 точки. Някой има ли същия опит и помощ за това как да се ускори този процес? Ето моя код за извличане на цялата стойност за всяка точка:

weather4Point <- function(startyear,endyear)  
{

  for (year in startyear:endyear)
  {
    #get the combined netCDF file

    tminfile <- paste("tmin","_",year,".nc",sep='')

    b_tmin <- brick(tminfile,varname='tmin')

    pptfile <- paste("ppt","_",year,".nc",sep='')

    b_ppt <- brick(pptfile,varname='ppt')

    tmaxfile <- paste("tmax","_",year,".nc",sep='')

    b_tmax <- brick(tmaxfile,varname='tmax')

    #Get the first year here!!!

    print(paste("processing year :",year,sep=''))

    for(l in 1:length(pl))
    {
      v <- NULL

      #generate file with the name convention with t_n(latitude)w(longitude).txt, 5 digits after point should be work

      filename <- paste("c:/PRISM/MD/N",round(coordinates(pl[l,])[2],5),"W",abs(round(coordinates(pl[l,])[1],5)),".wth",sep='')  

      print(paste("processing file :",filename,sep=''))            

      tmin <- as.numeric(round(extract(b_tmin,coordinates(pl[l,])),digits=1))

      tmax <- as.numeric(round(extract(b_tmax,coordinates(pl[l,])),digits=1))

      ppt <- as.numeric(round(extract(b_ppt,coordinates(pl[l,])),digits=2))

      v <- cbind(tmax,tmin,ppt)

      tablename <- c("tmin","tmax","ppt")

      v <- data.frame(v)   

      colnames(v) <- tablename

      v["default"] <- 0

      v["year"] <- year

      date <- seq(as.Date(paste(year,"/1/1",sep='')),as.Date(paste(year,"/12/31",sep='')),"days")

      month <- as.numeric(substr(date,6,7))

      day   <- as.numeric(substr(date,9,10))

      v["month"] <- month 

      v["day"]  <-  day

      v <- v[c("year","month","day","default","tmin","tmax","ppt")]

      #write into a file with format
      write.fwf(x=v,filename,append=TRUE,na="NA",rownames=FALSE,colnames=FALSE,width=c(6,3,3,5,5,5,6))
    }
  }
}