如何在R中自动化处理.dat食品消费数据：标准化行数与添加时间戳

我现在有个文件夹，里面装着1900个.dat格式的数据集，都是2012-2017年的单日分钟级食品消费数据，文件名都是按日期命名的，举个例子：FC-20120204.dat、FC-20120205.dat、FC-20120206.dat。

每个标准的数据集应该有1500列（对应1500个变量）和1440行（对应一天的每一分钟数据），但目前遇到了几个问题：

• 大量数据集不完整，行数只有899、1101这类非1440的数值；
• 数据本身不带日期/时间戳，很容易混淆不同文件的记录；
• 最终只需要保留时间戳和第25列（核心数据对应原文件的C列）；
• 需要把所有处理后的数据整理成连续格式，最终通过rbind合并。

我原本打算先把所有数据集标准化为1440行，之前在Stack Overflow上参考了一个方案，试了下面的代码：

files<-list.files(pattern="FC") 
result <- sapply(files, function(file) { 
  temp <- read.csv(file) # 可能需要根据表头做调整
  temp[,25] 
})

但整个数据集总大小大概有9GB，而我的电脑RAM只有8GB，运行的时候R Studio直接崩溃了，推测list.files搭配sapply/lapply这种一次性加载处理的方式，根本不适合这么大的数据量。

我现在初步的思路是：逐个导入文件，先给它添加时间戳，然后标准化行数到1440行，再筛选出目标列，之后保存成新的小文件，最后再合并这些处理后的文件。不过想请教有没有更简便高效的处理方式？

补充说明：我准备了3个示例数据集，方便大家参考。

内容的提问来源于stack exchange，提问作者MT32