Voici un exemple utilisant environnement et data.table, le code est assez explicite:

 library(data.table) # create a big random example (160k rows) set.seed(123) fromTo <- expand.grid(1:400,1:400) colnames(fromTo) <- c('a','b') DF <- as.data.frame(cbind(fromTo,time=as.integer(runif(nrow(fromTo), min = 1, max=500)))) # setup the environment to use it as hashtable: # we simply put the times inside an enviroment using # a|b (concatenation of a with b) as key timesList <- as.list(DF$time) names(timesList) <- paste(DF$a,DF$b,sep='|') timesEnv <- list2env(timesList) # setup the data.table to use it as hashtable DT <- setDT(DF,key=c('a','b')) # create search functions searchUsingEnv <- function(a,b){ time <- get(paste(a,b,sep='|'),envir=timesEnv,inherits=FALSE) return(time) } searchUsingDataTable <- function(from,to){ time <- DT[.(from,to),time] return(time) } 

Référence :

 # benchmark functions # ie we try to search ~16K rows in ourtwo kind of hashtables benchEnv <- function(){ n <- nrow(fromTo) s <- as.integer(n * 0.9) for(i in s:n){ searchUsingEnv(fromTo[i,'a'],fromTo[i,'b']) } } benchDT <- function(){ n <- nrow(fromTo) s <- as.integer(n * 0.9) for(i in s:n){ searchUsingDataTable(fromTo[i,'a'],fromTo[i,'b']) } } # let's measure the performances > system.time(benchEnv(), gcFirst = TRUE) user system elapsed 2.26 0.00 2.30 > system.time(benchDT(), gcFirst = TRUE) user system elapsed 42.34 0.00 42.56 

Conclusions:
L'environnement semble beaucoup plus rapide que data.table pour un access répété à une seule touche, vous pouvez donc essayer de l'utiliser.

MODIFIER :

Les environnements ont un access rapide mais ils ne peuvent avoir que des clés de chaîne qui occupent plus de mémoire que les doubles. J'ai donc ajouté un exemple utilisant Rcpp et std::map<> avec une carte de valeurs multiples:
( note: si vous êtes sous Windows, vous devez installer RTools pour que Rcpp fonctionne )

 library(data.table) library(Rcpp) library(inline) nRows <- 1e7 ############# create data.table "DT" containing coordinates and times generate_routes_dt <- function(nmax) { set.seed(123) routes <- data.table(lat1 = numeric(nmax), lng1 = numeric(nmax), lat2 = numeric(nmax), lng2 = numeric(nmax), time = numeric(nmax)) tmp <- sample(seq(46, 49, length.out = nmax), nmax) routes$lat1 <- tmp tmp <- sample(seq(8, 10, length.out = nmax), nmax) routes$lng1 <- tmp tmp <- sample(seq(46, 49, length.out = nmax), nmax) routes$lat2 <- tmp tmp <- sample(seq(8, 10, length.out = nmax), nmax) routes$lng2 <- tmp tmp <- sample(seq(0, 1e7, length.out = nmax), nmax) routes$time <- as.integer(tmp) data.table::setkey(routes, lat1, lng1, lat2, lng2) return(routes) } DT <- generate_routes_dt(nRows) ############# create data.table search function searchUsingDataTable <- function(lat_1,lng_1,lat_2,lng_2){ time <- DT[.(lat_1,lng_1,lat_2,lng_2),time] return(time) } ############# ############# create Rcpp search function # the following code create 2 functions: createMap and getTime # usage: # map <- createMap(lat1Vec,lng1Vec,lat2Vec,lng2Vec,timesVec) # t <- getTime(map,lat1,lng1,lat2,lng2) sourceCpp(code= ' #include  class MultiKey { public: double lat1; double lng1; double lat2; double lng2; MultiKey(double la1, double ln1, double la2, double ln2) : lat1(la1), lng1(ln1), lat2(la2), lng2(ln2) {} bool operator<(const MultiKey &right) const { if ( lat1 == right.lat1 ) { if ( lng1 == right.lng1 ) { if ( lat2 == right.lat2 ) { return lng2 < right.lng2; } else { return lat2 < right.lat2; } } else { return lng1 < right.lng1; } } else { return lat1 < right.lat1; } } }; // [[Rcpp::export]] SEXP createMap(Rcpp::NumericVector lat1, Rcpp::NumericVector lng1, Rcpp::NumericVector lat2, Rcpp::NumericVector lng2, Rcpp::NumericVector times){ std::map* map = new std::map; int n1 = lat1.size(); int n2 = lng1.size(); int n3 = lat2.size(); int n4 = lng2.size(); int n5 = times.size(); if(!(n1 == n2 && n2 == n3 && n3 == n4 && n4 == n5)){ throw std::range_error("input vectors lengths are different"); } for(int i = 0; i < n1; i++){ MultiKey key(lat1[i],lng1[i],lat2[i],lng2[i]); map->insert(std::pair(key, times[i])); } Rcpp::XPtr< std::map > p(map, true); return( p ); } // [[Rcpp::export]] Rcpp::NumericVector getTime(SEXP mapPtr, double lat1, double lng1, double lat2, double lng2){ Rcpp::XPtr< std::map > ptr(mapPtr); MultiKey key(lat1,lng1,lat2,lng2); std::map::iterator it = ptr->find(key); if(it == ptr->end()) return R_NilValue; return Rcpp::wrap(it->second); } ') map <- createMap(DT$lat1,DT$lng1,DT$lat2,DT$lng2,DT$time) searchUsingRcpp <- function(lat_1,lng_1,lat_2,lng_2){ time <- getTime(map,lat_1,lng_1,lat_2,lng_2) return(time) } ############# ############# benchmark set.seed(1234) rowsToSearchOneByOne <- DT[sample.int(nrow(DT),size=nrow(DT),replace=FALSE),] bench <- function(searchFun2Use){ for(i in nrow(rowsToSearchOneByOne)){ key <- rowsToSearchOneByOne[i,] searchFun2Use(key$lat1,key$lng1,key$lat2,key$lng2) } } microbenchmark::microbenchmark( bench(searchUsingRcpp), bench(searchUsingDataTable), times=100) ############# 

Résultat de référence:

 Unit: microseconds expr min lq mean median uq max neval bench(searchUsingRcpp) 360.959 381.7585 400.4466 391.999 403.9985 665.597 100 bench(searchUsingDataTable) 1103.034 1138.0740 1214.3008 1163.514 1224.9530 2035.828 100 

Remarque:

Je ne pense vraiment pas que l'utilisation du double comme clés soit une bonne idée ... les valeurs à virgule flottante doivent être utilisées pour rechercher une certaine tolérance ou à l'intérieur d'une plage, sans rechercher une correspondance parfaite dans une carte.