Não posso enfatizar mais a diferença de eficiência entre os dois! Embora seja verdade que os DFs sejam mais convenientes em alguns casos de análise de dados, eles também permitem dados heterogêneos e algumas bibliotecas os aceitam apenas, mas todos são realmente secundários, a menos que você escreva um código único para uma tarefa específica.
Deixe-me lhe dar um exemplo. Havia uma função que calculava o caminho 2D do método MCMC. Basicamente, isso significa que pegamos um ponto inicial (x, y) e iteramos um determinado algoritmo para encontrar um novo ponto (x, y) em cada etapa, construindo assim todo o caminho. O algoritmo envolve o cálculo de uma função bastante complexa e a geração de alguma variável aleatória a cada iteração; portanto, quando ele é executado por 12 segundos, eu acho que é bom, considerando a quantidade de coisas que ele faz em cada etapa. Dito isto, a função coletou todos os pontos no caminho construído juntamente com o valor de uma função objetivo em um data.frame de 3 colunas. Portanto, três colunas não são tão grandes e o número de etapas também foi superior a 10.000 razoáveis (nesse tipo de problema, caminhos de comprimento 1.000.000 são típicos, portanto, 10.000 não é nada). Então, eu pensei em um DF 10, 000x3 definitivamente não é um problema. A razão pela qual um DF foi usado é simples. Após chamar a função, ggplot () foi chamado para desenhar o caminho (x, y) resultante. E o ggplot () não aceita uma matriz.
Então, em algum momento por curiosidade, decidi alterar a função para coletar o caminho em uma matriz. Felizmente, a sintaxe dos DFs e matrizes é semelhante, tudo o que fiz foi mudar a linha que especifica df como data.frame para uma inicializá-la como matriz. Aqui também preciso mencionar que, no código inicial, o DF foi inicializado para ter o tamanho final; portanto, mais tarde, no código da função, apenas novos valores foram registrados nos espaços já alocados e não havia sobrecarga de adicionar novas linhas ao DF. Isso torna a comparação ainda mais justa e também simplificou meu trabalho, pois não precisei reescrever mais nada na função. Apenas uma linha muda da alocação inicial de um data.frame do tamanho necessário para uma matriz do mesmo tamanho. Para adaptar a nova versão da função ao ggplot (), converti a matriz agora retornada em dados.
Depois de executar novamente o código, não pude acreditar no resultado. O código é executado em uma fração de segundo! Em vez de cerca de 12 segundos. E, novamente, a função durante as 10.000 iterações apenas lê e grava valores em espaços já alocados em um DF (e agora em uma matriz). E essa diferença também é para o tamanho razoável (ou melhor, pequeno) de 10000x3.
Portanto, se seu único motivo para usar um DF é torná-lo compatível com uma função de biblioteca como ggplot (), você sempre pode convertê-lo em um DF no último momento - trabalhe com matrizes o quanto achar conveniente. Se, por outro lado, houver uma razão mais substancial para usar um DF, como você usa algum pacote de análise de dados que exigiria uma transformação constante de matrizes para DFs e vice-versa, ou você mesmo não faz cálculos intensivos e usa apenas o padrão pacotes (muitos deles transformam internamente um DF em uma matriz, realizam seu trabalho e depois transformam o resultado de volta - para que toda a eficiência funcione para você) ou fazem um trabalho único para que você não se importe e sinta mais confortável com os DFs, não se preocupe com a eficiência.
Ou uma regra mais prática diferente: se você tiver uma pergunta como a do OP, use matrizes; portanto, você usaria DFs apenas quando não tiver essa pergunta (porque você já sabe que precisa usar DFs ou porque usa realmente não me importo, pois o código é único, etc.).
Mas, em geral, mantenha esse ponto de eficiência sempre em mente como uma prioridade.