我会通过的文件data.table ，也从一些对话在这里的发现上，这样rbindlist应该是优于rbind 。
我想知道为什么是rbindlist优于rbind以及其中场景rbindlist的确有过人之处超过rbind ？
是否有内存利用率方面的任何优势？
Answer 1:
rbindlist是的优化版本do.call(rbind, list(...))其被用于使用时正在缓慢已知rbind.data.frame
当它真的练成
这表明其中有些问题rbindlist闪耀的
按行data.frames列表的快速矢量合并
麻烦转换使用do.call和ldply data.frames（〜1元）单data.frame的一长串
这些具有基准，显示它的速度有多快可以。
rbind.data.frame是缓慢的，是有原因的
rbind.data.frame做大量检查，并且将名称相匹配。 （即rbind.data.frame将占事实，列可以以不同的顺序，并通过名称匹配）， rbindlist不会做这样的检查，而将位置加入
例如
do.call(rbind, list(data.frame(a = 1:2, b = 2:3), data.frame(b = 1:2, a = 2:3)))
## a b
## 1 1 2
## 2 2 3
## 3 2 1
## 4 3 2
rbindlist(list(data.frame(a = 1:5, b = 2:6), data.frame(b = 1:5, a = 2:6)))
## a b
## 1: 1 2
## 2: 2 3
## 3: 1 2
## 4: 2 3
rbindlist的一些其他限制
它曾经很难对付factors ，因为这已经被修正了一个错误：
rbindlist 2个data.tables其中之一具有因数等具有字符类型为列 （ 错误＃2650 ）
它带有重复列名的问题
看到警告信息：在rbindlist（allargs）：来港受到胁迫介绍：可能的错误在data.table？ （ 错误＃2384 ）
rbind.data.frame rownames能折腾
rbindlist可以处理lists data.frames和data.tables ，并且将返回而不rownames一个data.table
您可以使用rownames的混乱得到do.call(rbind, list(...))见
如何使用rbind内do.call时避免行的重命名？
存储效率
在存储器方面rbindlist在实施C ，所以是高效的存储器，它使用setattr设置由参考属性
rbind.data.frame在实施R ，它做大量分配的，并且使用attr<-和class<-和rownames<-所有这些都将（内部）创建创建data.frame的副本。
Answer 2:
通过v1.9.2 ， rbindlist已经发展的非常迅速，实现许多功能，包括：
- 选择最高
SEXPTYPE列，同时结合-在实施v1.9.2收盘FR＃2456和错误＃4981 。- 处理
factor正确列-在第一次实施v1.8.10收盘错误＃2650 ，并延伸至结合精心有序的因素v1.9.2同时，关闭FR＃4856和错误＃5019 。
此外，在v1.9.2 ， rbind.data.table也获得了fill的说法，它允许通过填充缺少的列进行绑定，在R.实施
现在，在v1.9.3 ，则对这些现有的功能更加改进：
rbindlist获得一个参数use.names，默认是FALSE的向后兼容性。rbindlist也获得一个参数fill，默认情况下也是FALSE为了向后兼容。- 这些功能在C中的所有执行，并认真撰写同时加入的功能在速度上不妥协。
- 由于
rbindlist现在可以通过名称相匹配，并填写缺少的列，rbind.data.table只是调用rbindlist现在。 唯一的区别是，use.names=TRUE默认为rbind.data.table，为了向后兼容。
rbind.data.frame减慢颇有几分主要是由于可避免（通过移动到C）是复印件（@mnel指出为好）。 我认为这不是唯一的原因。 检查/匹配列名的实现rbind.data.frame也能拿当每个data.frame很多列慢，有很多这样的data.frames绑定（如下图所示基准）。
然而， rbindlist缺乏（ED）的某些功能（如检查因子水平或匹配名称）承担朝它比快很小（或没有）重量rbind.data.frame 。 这是因为他们是用C认真贯彻落实，对速度和内存优化。
下面是突出了有效的结合，同时也在使用列名匹配的基准rbindlist的use.names从功能v1.9.3 。 所述数据集包含的每个大小为10 * 500 10000个data.frames。
注意：这个测试已经更新到包括比较dplyr的bind_rows
library(data.table) # 1.11.5, 2018-06-02 00:09:06 UTC
library(dplyr) # 0.7.5.9000, 2018-06-12 01:41:40 UTC
set.seed(1L)
names = paste0("V", 1:500)
cols = 500L
foo <- function() {
data = as.data.frame(setDT(lapply(1:cols, function(x) sample(10))))
setnames(data, sample(names))
}
n = 10e3L
ll = vector("list", n)
for (i in 1:n) {
.Call("Csetlistelt", ll, i, foo())
}
system.time(ans1 <- rbindlist(ll))
# user system elapsed
# 1.226 0.070 1.296
system.time(ans2 <- rbindlist(ll, use.names=TRUE))
# user system elapsed
# 2.635 0.129 2.772
system.time(ans3 <- do.call("rbind", ll))
# user system elapsed
# 36.932 1.628 38.594
system.time(ans4 <- bind_rows(ll))
# user system elapsed
# 48.754 0.384 49.224
identical(ans2, setDT(ans3))
# [1] TRUE
identical(ans2, setDT(ans4))
# [1] TRUE
绑定，这样的列，但不检查名称只花了1.3，其中作为检查的列名，并结合适当拿了仅需1.5秒以上。 相比于基础的解决方案，这是快14倍，18倍和速度比dplyr的版本。
文章来源: Why is rbindlist “better” than rbind?
