R 更快地连接数据帧

我目前正在通过一个id合并12个不同的数据帧，每个数据帧为480,00 obs，并添加列，因此它成为一个48k obs x 14变量数据帧。然而，这需要花费太长的时间来处理，我正在寻找一种更快的方法来处理

例子 dput：

#一月数据
jan不知道这是否会更快，但是：

list(jan = jan %>% rename(PRISM = PRISM_ppt_stable_4kmM2_193301_bil), 
     feb = feb %>% rename(PRISM = PRISM_ppt_stable_4kmM2_193302_bil), 
     mar = mar %>% rename(PRISM = PRISM_ppt_stable_4kmM2_193303_bil)) %>%
  bind_rows(.id = "month") %>%
  spread(month, PRISM)

下面是一种使用
数据表
和
重塑2

library(data.table)
library(reshape2)
# create a list of data frames, and coerce to data.tables
month_list <- lapply(list(jan,feb,mar),setDT)


# add id column with old variable name and rename value column 
for(i in seq_along(month_list)){
  set(month_list[[i]],j="ID",value = names(month_list[[i]])[2])
  setnames(month_list[[i]],  names(month_list[[i]])[2], "value")


}
# put in long form
long_data <- rbindlist(month_list)

# then use `dcast.data.table` to make wide

wide <- dcast.data.table(long_data, gridNumber~ID, value = 'value')

库（data.table）
图书馆（E2）
#创建数据帧列表，并强制为data.tables
月份列表在数据与
colnames（）
合并后，我负责重命名。在这种情况下，所有PRISM列都必须具有相同的名称，才能使bind\u行正常工作。列表的名称（jan=）将在重塑后作为棱镜列的新名称结束，这非常快；虽然，我不明白中间的循环。为什么这是一个必要的步骤？@amsterl，for循环正在添加一列来标识数据集的名称（通过第二列的名称，然后重命名第二列，以允许数据以长格式存储在3列中）1.9.6中是否仍有必要加载
reforme2
？@jangorecki可能没有。可能值得注意的是，长格式的堆叠取决于列的类别是否相同（与OP相同）。。。在这种情况下，我会坚持长格式。
list(jan = jan %>% rename(PRISM = PRISM_ppt_stable_4kmM2_193301_bil), 
     feb = feb %>% rename(PRISM = PRISM_ppt_stable_4kmM2_193302_bil), 
     mar = mar %>% rename(PRISM = PRISM_ppt_stable_4kmM2_193303_bil)) %>%
  bind_rows(.id = "month") %>%
  spread(month, PRISM)

library(data.table)
library(reshape2)
# create a list of data frames, and coerce to data.tables
month_list <- lapply(list(jan,feb,mar),setDT)


# add id column with old variable name and rename value column 
for(i in seq_along(month_list)){
  set(month_list[[i]],j="ID",value = names(month_list[[i]])[2])
  setnames(month_list[[i]],  names(month_list[[i]])[2], "value")


}
# put in long form
long_data <- rbindlist(month_list)

# then use `dcast.data.table` to make wide

wide <- dcast.data.table(long_data, gridNumber~ID, value = 'value')