在R中生成m个含随机变量的数据框并追加的最优方法

你需要生成m个结构一致（包含id列和随机值var列）的数据框，再将它们行绑定（追加）在一起。下面按效率从高到低介绍几种实用方法：

1. 直接构造最终数据集（最高效） #

跳过生成多个小数据框的步骤，一次性构造结果，避免中间对象的创建开销，这是速度最快的方案：

library(data.table)

# 设置参数：m是数据框数量，n是每个数据框的行数
m <- 2
n <- 10

# 直接生成合并后的结果
result <- data.table(
  id = rep(1:n, times = m),
  var = sample(1:500, size = n*m, replace = TRUE)
)

print(result)

如果习惯用基础R的data.frame，可替换为：

m <- 2
n <- 10

result <- data.frame(
  id = rep(1:n, times = m),
  var = sample(1:500, size = n*m, replace = TRUE)
)

2. 使用data.table的rbindlist（大数据量推荐） #

如果必须逐个生成数据框（比如每个数据框有自定义生成逻辑），data.table的rbindlist是合并列表的高效工具，比基础R的rbind性能提升显著：

library(data.table)

m <- 2
n <- 10

# 生成m个data.table组成的列表，再合并
result <- rbindlist(lapply(1:m, function(x) {
  data.table(
    id = 1:n,
    var = sample(1:500, n, replace = TRUE)
  )
}))

print(result)

3. 使用dplyr的bind_rows（tidyverse风格） #

如果日常使用tidyverse生态，bind_rows代码简洁、可读性强，中等数据量下效率足够：

library(dplyr)

m <- 2
n <- 10

result <- lapply(1:m, function(x) {
  tibble(
    id = 1:n,
    var = sample(1:500, n, replace = TRUE)
  )
}) %>% bind_rows()

print(result)

4. 基础R的do.call(rbind, ...) #

不想加载任何包时可以用这个方法，但在m很大或数据量较大时，效率不如前几种：

m <- 2
n <- 10

# 生成数据框列表后合并
result <- do.call(rbind, lapply(1:m, function(x) {
  data.frame(
    id = 1:n,
    var = sample(1:500, n, replace = TRUE)
  )
}))

print(result)

内容的提问来源于stack exchange，提问作者jeff