data.frame的do.call(rbind,)为什么这么慢

do.call(rbind, ) 换成 dplyr::bind_rows( ) 竟然提速千倍,R让人如此无语。
个人理解：
R给人的感觉是一切操作赋值都是“传值”。
list 是R的基本数据类型，本身是 C struct, 定义操作等使用了指针，传地址操作，list的函数，很多也是primitive函数，这些应该也是C 代码. 对list类型，mylist <- myfucntion(mylist)这种情况下，系统可以实现内存上原地修改数据，没必要先复制。list实际上存储的是每一个vector的地址，各个vector相互独立，而且vector和list支持越界赋值，一个length为5的vector x, 你可以直接给x[6]赋值，可以更改x[3]。
而data.frame也是list,并不是R的原生类型，而是list的扩展。data.frame的各个组件间存在制约关系，必须等长，相互并不独立，猜测这些制约关系相当于增加了引用次数，所以不能原地（in place）修改，其次data.frame不能越界赋值，也表明data.frame不支持原地修改。

R代码的默认传递方式是传值，这样的好处是安全，适合非计算机专业同学使用。
如果是函数是C代码（区别于纯R代码的函数），那么是可以支持传地址的，这取决于C代码怎么写的。

data.frame也并非那么不堪，如果只是更改data.frame里的某一列，实际上是只copy某一列。而rbind行操作相当于更改所有列**，每rbind一次就会在内存复制完全一次data.frame，所以真的会很慢。
大数据的do.call(rbind, )相当于不断复制合并后的data.frame，真的可以慢到无以复加。