Rstats，如何使用大量文件优化读取csv

我有一个文件夹的csv文件，我试图读取所有这些文件使用读_csv，它可以很好地与12个文件，但之后我得到了这个错误

r:无法分配大小为2.8MB的向量

这里是csv文件的链接，我手动下载文件并解压缩

库（tidyverse）
数据路径如@wimpel正确说明上述内容，请使用
data.table
。它以其对计算机资源的低消耗而闻名，同时也是最快的计算机之一

请参考GitHub中的示例：

您会立即注意到，对于正在读取的相同大小的输入文件，
fread
比使用
r-base
或
tidyverse
消耗的RAM少于1/10

如@wimpel正确说明上述内容，请使用
数据。表
。它以其对计算机资源的低消耗而闻名，同时也是最快的计算机之一

请参考GitHub中的示例：

您会立即注意到，对于正在读取的相同大小的输入文件，
fread
比使用
r-base
或
tidyverse
消耗的RAM少于1/10

“无法分配向量”表示您的机器内存不足。所有zip文件加起来似乎占用了15~20 GB。您可能没有足够的内存。我仍然建议使用
data.table:：fread（）
。也就是说，可能可以使用
fill=NA
或使用
select
-参数或类似的方法来解决不同数量标题上的错误。。。此外，使用
fread（）
，您可以轻松地使用
fread（）
的
cmd
-参数在将数据加载到R之前过滤数据（在linux上使用命令
grep
，或在windows上使用
findstr
）。不仅加快了进程，而且通过只加载所需的行（而不是加载后过滤掉它们），使进程（大大）提高了内存效率。感谢您的评论，fill=NA，并选择did help，fread在发现额外列“无法分配向量”时停止阅读表示您的计算机内存不足。所有zip文件加起来似乎占用15~20 GB。您可能没有足够的内存。我仍然建议使用
data.table:：fread（）
。也就是说，可能可以使用
fill=NA
或使用
select
-参数或类似的方法来解决不同数量标题上的错误。。。此外，使用
fread（）
，您可以轻松地使用
fread（）
的
cmd
-参数在将数据加载到R之前过滤数据（在linux上使用命令
grep
，或在windows上使用
findstr
）。不仅加快了进程，而且通过只加载所需的行（而不是在加载后将其过滤掉），使进程（更）高效。感谢您的评论，fill=NA，并选择did help，fread在发现额外列时停止阅读