Производительность чтения R data.table с colClasses и без них

Мне нужно придумать скрипт, который задает операцию сравнения между двумя векторами (чтобы найти количество несовпадающих значений). Первый вектор является вектором символов (может меняться). Этот набор будет сравниваться с 3000 других векторов, считанных из CSV-файлов. Все файлы csv представляют собой только один столбец и содержат уникальные значения. Каждый файл имеет размер от 1 до 60 МБ.

Я использую data.table fread для чтения CSV-файлов. Однако я вижу, что использование параметра colClasses для чтения значений в виде символов значительно увеличивает время выполнения скрипта. В приведенном ниже сценарии вариант 1 занимает около 10 секунд, а вариант 2 — около 120 секунд. Я хочу читать столбцы как символы. Почему эта разница? Не должно ли чтение занимать больше времени, если для определения типа приходится анализировать значения? Кроме того, как я могу ускорить чтение, сохраняя тип как символ?

Код:

path <- "data/processed_data"
file_names <- list.files(here(path), pattern="csv")
v <- c("one", "two", "three")
v_count_unmatched <- integer()
  
for (fn2 in file_names) {
    f2 <- data.table::fread(here(path, fn2)) #### Option 1
    #f2 <- data.table::fread(here(path, fn2), colClasses = 'character') #### Option 2
    v_count_unmatched      <- c(v_count_unmatched, length(setdiff(v,f2 %>% pull() )))
}

Я использую data.table версии 1.13.6. Спасибо.