鉴于读取Excel文件的不同方式的泛滥以及R此处的答案过多，我想我将尝试阐明此处提到的哪些选项在某些情况下效果最佳。
xlsx自从我开始使用以来，我自己一直在使用R惯性（如果没有其他问题的话），而且我最近注意到似乎没有客观的信息来说明哪个程序包效果更好。
任何基准测试活动都充满困难，因为某些程序包肯定会在某些情况下比其他程序更好地处理，还有其他警告。
就是说，我使用的是（可复制的）数据集，我认为它是一种非常常见的格式（8个字符串字段，3个数字，1个整数，3个日期）：
set.seed(51423)
data.frame(
str1 = sample(sprintf("%010d", 1:NN)), #ID field 1
str2 = sample(sprintf("%09d", 1:NN)), #ID field 2
#varying length string field--think names/addresses, etc.
str3 =
replicate(NN, paste0(sample(LETTERS, sample(10:30, 1L), TRUE),
collapse = "")),
#factor-like string field with 50 "levels"
str4 = sprintf("%05d", sample(sample(1e5, 50L), NN, TRUE)),
#factor-like string field with 17 levels, varying length
str5 =
sample(replicate(17L, paste0(sample(LETTERS, sample(15:25, 1L), TRUE),
collapse = "")), NN, TRUE),
#lognormally distributed numeric
num1 = round(exp(rnorm(NN, mean = 6.5, sd = 1.5)), 2L),
#3 binary strings
str6 = sample(c("Y","N"), NN, TRUE),
str7 = sample(c("M","F"), NN, TRUE),
str8 = sample(c("B","W"), NN, TRUE),
#right-skewed integer
int1 = ceiling(rexp(NN)),
#dates by month
dat1 =
sample(seq(from = as.Date("2005-12-31"),
to = as.Date("2015-12-31"), by = "month"),
NN, TRUE),
dat2 =
sample(seq(from = as.Date("2005-12-31"),
to = as.Date("2015-12-31"), by = "month"),
NN, TRUE),
num2 = round(exp(rnorm(NN, mean = 6, sd = 1.5)), 2L),
#date by day
dat3 =
sample(seq(from = as.Date("2015-06-01"),
to = as.Date("2015-07-15"), by = "day"),
NN, TRUE),
#lognormal numeric that can be positive or negative
num3 =
(-1) ^ sample(2, NN, TRUE) * round(exp(rnorm(NN, mean = 6, sd = 1.5)), 2L)
)
然后我写了这为CSV和LibreOffice中打开并保存它作为一个.xlsx文件，然后基准在这个线程中提到的包的4： ，xlsx，openxlsx，readxl和gdata，使用默认选项（我也试过一个版本是否不是我指定列类型，但这不会改变排名）。
我被排除在外RODBC是因为我在Linux上。XLConnect因为它的主要目的不是在单个Excel工作表中阅读而是在导入整个Excel工作簿，所以仅凭其阅读能力来竞争就显得不公平；并且xlsReadWrite因为它不再与我的版本兼容R（似乎已被淘汰）。
然后，我使用NN=1000L和运行基准测试NN=25000L（在data.frame上述每次声明之前重置种子），以允许在Excel文件大小方面有所差异。gc主要用于xlsx，我有时发现它会创建内存阻塞。事不宜迟，这是我发现的结果：
1,000行Excel文件
benchmark1k <-
microbenchmark(times = 100L,
xlsx = {xlsx::read.xlsx2(fl, sheetIndex=1); invisible(gc())},
openxlsx = {openxlsx::read.xlsx(fl); invisible(gc())},
readxl = {readxl::read_excel(fl); invisible(gc())},
gdata = {gdata::read.xls(fl); invisible(gc())})
# Unit: milliseconds
# expr min lq mean median uq max neval
# xlsx 194.1958 199.2662 214.1512 201.9063 212.7563 354.0327 100
# openxlsx 142.2074 142.9028 151.9127 143.7239 148.0940 255.0124 100
# readxl 122.0238 122.8448 132.4021 123.6964 130.2881 214.5138 100
# gdata 2004.4745 2042.0732 2087.8724 2062.5259 2116.7795 2425.6345 100
竞争激烈且明显失败readxl的赢家也是如此。采取相对于列最小值的每个度量：openxlsxgdata
# expr min lq mean median uq max
# 1 xlsx 1.59 1.62 1.62 1.63 1.63 1.65
# 2 openxlsx 1.17 1.16 1.15 1.16 1.14 1.19
# 3 readxl 1.00 1.00 1.00 1.00 1.00 1.00
# 4 gdata 16.43 16.62 15.77 16.67 16.25 11.31
我们看到我自己的最爱，xlsx比慢60％readxl。
25,000行Excel文件
由于花费的时间，我只对较大的文件重复了20次，否则命令是相同的。这是原始数据：
# Unit: milliseconds
# expr min lq mean median uq max neval
# xlsx 4451.9553 4539.4599 4738.6366 4762.1768 4941.2331 5091.0057 20
# openxlsx 962.1579 981.0613 988.5006 986.1091 992.6017 1040.4158 20
# readxl 341.0006 344.8904 347.0779 346.4518 348.9273 360.1808 20
# gdata 43860.4013 44375.6340 44848.7797 44991.2208 45251.4441 45652.0826 20
以下是相关数据：
# expr min lq mean median uq max
# 1 xlsx 13.06 13.16 13.65 13.75 14.16 14.13
# 2 openxlsx 2.82 2.84 2.85 2.85 2.84 2.89
# 3 readxl 1.00 1.00 1.00 1.00 1.00 1.00
# 4 gdata 128.62 128.67 129.22 129.86 129.69 126.75
readxl在速度方面，明显的赢家也是如此。gdata最好再做些其他事情，因为它在读取Excel文件时非常缓慢，而且仅对于较大的表，此问题才会加剧。
两场平局的openxlsx是：1）其广泛的其他方法（readxl是专门做只有一两件事，这也许是为什么它是如此之快的部分），特别是它的write.xlsx2个功能，和）（更多的缺点readxl）的col_types在参数readxl只（如（撰写本文时）接受一些非标准的R："text"代替"character"和"date"代替"Date"。