1. 它们是独立开发的。他们服务（并继续服务）不同的目的。此外，在早期，data.table 很难实际编程（而不是交互式使用）。有关详细比较，请参见此处。
   • 注意：dplyr 不适用于对象是不正确的： https ://github.com/hadley/dtplyrdata.table
2. 不。如上面的注释中所述，data.table::fread使用 dtplyr，然后使用 dtplyr 对data.table对象进行有效的 dplyr 操作。
3. 往上看。

我使用 data.table 来处理内存中数 GB 和超过 10 亿行的数据集。我在 dplyr 上没有取得同样的成功。

此外，请注意 dtplyr 自述文件中的注释：

dtplyr 总是比 data.table 慢一点，因为它创建对象的副本而不是就地变异（这就是 dplyr 的理念）。目前，dtplyr 比裸 data.table 慢很多，因为这些方法不够聪明。我希望社区中感兴趣的 dplyr 和 data.table 用户能帮助我提高性能。

tidyverse 还包含readr用于读取文本文件的更快功能，例如read_csv（https://cran.r-project.org/web/packages/readr/README.html）。

您在这里混淆了两个问题，data.table 与 data.frame 的操作速度，以及读取此类数据。

我会冒险猜测read.csv并且read.table速度很慢，因为它会进行很多低效的猜测并且（默认情况下）尝试将字符串转换为因子。在处理大型数据集时，您应该总是更喜欢告诉例程它正在读取什么，而不是让它猜测。

最后，如果您正在处理非常大的数据集，假设您的数据是结构化的，那么在 Rcpp 等中实现的专用子例程可能会更可取。