如何在返回多表的FUN上结合rbindlist与*apply？求优化方案

针对你遇到的问题——需要合并future_lapply返回的多组异构data.table，同时避免额外的do.call调用，这里有几个简洁的优化方案，完美适配*apply的输出结构：

核心思路 #

你的原始需求是：每个模拟任务返回多个结构不同的表，我们需要把所有模拟中位置对应（同类）的表分别合并。本质上是先对模拟结果列表做「转置」，再对转置后的每个子列表执行合并操作。

方案1：封装可直接接受列表的合并函数 #

把do.call的逻辑整合到函数内部，让函数可以直接接收future_lapply返回的结果列表，无需额外调用do.call：

library(data.table)

# 封装合并函数，直接处理模拟结果列表
combine_sim_tables <- function(sim_results) {
  # 用Map实现列表转置+合并，rbindlist比rbind更高效（data.table专属）
  do.call(Map, c(rbindlist, sim_results))
}

# 测试你的示例数据
foo <- list( 
  list(data.table(a = 1), data.table(b = 2)), 
  list(data.table(a = 3), data.table(b = 4)), 
  list(data.table(a = 5), data.table(b = 6)) 
)

# 直接调用函数即可得到合并结果
combine_sim_tables(foo)

输出结果和你原来的do.call(MapRbind, foo)完全一致，但现在可以直接把这个函数用到你的模拟流程里：

# 模拟流程示例
library(future.apply)
plan(multisession) # 开启多线程

# 假设你的FUN返回多个data.table
sim_function <- function(param) {
  list(
    data.table(a = param),
    data.table(b = param * 2)
  )
}

# 多线程模拟
sim_results <- future_lapply(1:5, sim_function)

# 直接合并同类表
combined_tables <- combine_sim_tables(sim_results)

方案2：用base R的transpose（R 4.1.0+）简化逻辑 #

如果你使用的是R 4.1.0及以上版本，可以用base::transpose直接转置列表，再结合lapply合并：

combine_sim_tables <- function(sim_results) {
  # 转置列表：把每个模拟的第n个表放到同一个子列表
  transposed <- transpose(sim_results)
  # 对每个子列表用rbindlist合并
  lapply(transposed, rbindlist)
}

这个方案逻辑更直观，可读性更强，同样不需要额外的do.call调用。

为什么这两个方案更优？ #

• 组合性好：可以直接和future_lapply/lapply的输出链式调用，不需要额外的中间步骤
• 高效性：用rbindlist替代rbind，针对data.table做了优化，合并大表时速度更快
• 复用性高：封装后的函数可以直接用到其他需要合并多组异构表的场景中

内容的提问来源于stack exchange，提问作者Bob Jansen