如何高效将7600万级嵌套列表转为含向量列的data.table？

你需要将7600万长度的嵌套列表（每个顶层元素为包含两个长度6向量的子列表）转换为两列的data.table，且保留向量类型。原逐个索引的循环方法效率极低，以下是更高效的实现方式：

方案1：使用purrr的transpose快速拆分 #

利用purrr::transpose直接翻转嵌套列表结构，一步拆分出两列对应的向量列表：

library(data.table)
library(purrr)

# 转置嵌套列表，得到分别对应两列的大列表
transposed_list <- transpose(list_of_list)
# 构造data.table
dt <- data.table(col1 = transposed_list[[1]], col2 = transposed_list[[2]])

方案2：Base R + data.table的高效提取 #

无需额外依赖，直接用base R的lapply对整个列表进行分量提取，内部为C级别的高效循环：

library(data.table)

dt <- data.table(
  col1 = lapply(list_of_list, `[[`, 1),
  col2 = lapply(list_of_list, `[[`, 2)
)

性能说明 #

这两种方法都避免了原代码中R级别的逐个元素遍历，而是利用内置的向量化/高效循环操作，能大幅缩短处理时间。对于7600万级别的数据，内存占用也更可控，因为直接对原列表的分量进行引用而非重复生成新对象。

内容的提问来源于stack exchange，提问作者Sudoh