data.table中是否存在rbindlist对应的cbind等价函数？

你用rbindlist做了行堆叠，所以行数变成12倍的4000万，这和你要的列合并需求完全相反。data.table里没有专门叫cbindlist的函数，但有两种高效方式实现你要的列合并效果，适配大内存数据集：

方法1：直接赋值拼接（最快，适合行顺序完全对齐的场景） #

因为每个表的行数相同，且Lat、Lon、time三列完全一致，直接以第一个表为基础，批量添加其他表的独有列：

# 把第一个表转成data.table作为基础
weather_data <- as.data.table(weather_list[[1]])

# 遍历剩余表，添加非重复列
for (dt in weather_list[-1]) {
  # 找出当前表中还没加入基础表的列
  new_cols <- setdiff(names(dt), names(weather_data))
  # 直接赋值添加列
  weather_data[, (new_cols) := as.data.table(dt)[, ..new_cols]]
}

方法2：Reduce+merge（适合需要校验共有列对齐的场景） #

如果担心Lat、Lon、time的行顺序可能不一致，可以用merge按这三列匹配合并，再用Reduce批量处理列表：

# 定义合并规则：按Lat、Lon、time合并，保留所有列
merge_func <- function(x, y) {
  merge(x, y, by = c("Lat", "Lon", "time"), all = TRUE)
}

# 先把所有dataframe转成data.table
weather_dt_list <- lapply(weather_list, as.data.table)
# 批量合并
weather_data <- Reduce(merge_func, weather_dt_list)

注意事项 #

• 必须保证所有表的Lat、Lon、time列完全匹配，要么行顺序一致，要么每行的这三个值一一对应，否则会出现数据错位或行数异常。
• 最终列数计算：3个共有列 + 12个表各1个独有列 = 15列，和你的预期一致。
• 这两种方法比基础R的cbind内存效率更高，适合处理4000万行的大表。

内容的提问来源于stack exchange，提问作者user11384727