按列和引用绑定 data.tables 列表

Question

假设我有以下列表：

X = list(data.table(1:2,3:4,5:6), 
         data.table(letters[1:2], letters[3:4]))

我想将列表中的元素按列绑定到单个 data.table 中。 输出将与生成的相同

do.call(cbind, X)

但是，由于我的原始列表和包含的数据表非常大，如果我可以通过引用来执行此操作会更好，而不是使用 cbind() 复制整个对象。有没有办法做到这一点？类似于 rbindlist() 的东西相当于按列绑定，我看到这被标记为待办事项......

抱歉，如果这个简单的问题已经在其他地方得到解答，而我错过了答案。

Answer 1

下面的呢？

# check.names = TRUE forces unique names on the output
setDT(
  unlist(X, recursive = FALSE),
  check.names = TRUE
)[]
#    V1 V2 V3 V4 V5
# 1:  1  3  5  a  c
# 2:  2  4  6  b  d

Answer 2

来自dplyr 的bind_cols 与do.call(cbind 相比似乎更有效，它返回一个data.table

library(dplyr)
bind_cols(X)
#   V1 V2 V3 V11 V21
#1:  1  3  5   a   c
#2:  2  4  6   b   d

基准测试

set.seed(24)
X1 <- lapply(1:10, function(i)
      as.data.table(matrix(sample(1:9, 1e5*1e3, replace = TRUE), nrow = 1e5, ncol = 1e3)))

system.time({
   bind_cols(X1)
  })
#user  system elapsed 
#   0.01    0.00    0.02 

system.time({
    do.call(cbind, X1)
   })
#user  system elapsed 
#   2.22   37.84   40.93 

system.time({
  setDT(unlist(X1, recursive = FALSE), check.names = TRUE)
  })
#  user  system elapsed 
#   0.05    0.00    0.05 

或check.names = FALSE

system.time({
   setDT(unlist(X1, recursive = FALSE), check.names = FALSE)
  })
#  user  system elapsed 
#  0.01    0.00    0.02 

---

同样基于@MichaelChirico的示例数据进行测试

set.seed(24)
NN <- 1e6
L <- lapply(integer(20L), function(ii) {
    setDT(lapply(integer(sample(15L, 1L)), function(x) rnorm(NN))) }) 

system.time({
   bind_cols(L)
  })
# user  system elapsed 
#      0       0       0 

system.time({
    do.call(cbind, L)
   })
# user  system elapsed 
#   0.44    0.53    0.97 


system.time({
base = L[[1L]]
jj = ncol(base) + 1L
for (ii in 2L:length(L)) {
  for (col_j in seq_len(ncol(L[[ii]]))) {
    set(base, , sprintf('V%d', jj), L[[ii]][[col_j]])
    jj = jj + 1L
  }
}
 })
#user  system elapsed 
#  0.12    0.33    0.46 

以及@MichaelChirico 的更新方法

system.time({
   setDT(unlist(L, recursive = FALSE), check.names = TRUE)
   })
#  user  system elapsed 
#     0       0       0