“句柄”是指操纵多列数据行。 R如何与Excel，SPSS，SAS等工具叠加？ R是查看“大数据”（数亿到数十亿行）的可行工具吗？如果不是，哪种统计编程工具最适合分析大数据集？
答案 0 :(得分：17)
如果你看看CRAN上的High-Performance Computing Task View，你会很好地了解R在高性能方面可以做些什么。
答案 1 :(得分：10)
您可以在原则上存储与具有异常的RAM一样多的数据，目前，向量和矩阵限制为2 ^ 31 - 1个元素，因为R在向量上使用32位索引。一般向量（列表及其衍生数据帧）限制为2 ^ 31 - 1个组件，每个组件都有与向量/矩阵/列表/ data.frames等相同的限制。
当然这些是理论上的限制，如果你想对R中的数据做任何事情，它至少会不可避免地需要空间来保存几个副本，因为R通常会复制传入函数等的数据。
努力允许磁盘存储（而不是RAM）;但即使是那些也只限于上面提到的2 ^ 31-1限制，在任何时候都在R中使用。请参阅链接到@ Roman帖子的高性能计算任务视图的大内存和内存不足数据部分。
答案 2 :(得分：4)
对于“大数据”适用性的一个很好的迹象可能是R已经成为参与Kaggle.com数据建模竞赛的开发者的首选平台。请参阅Revolution Analytics网站上的article - R以健康的优势击败SAS和SPSS。 R缺乏开箱即用的数字运算能力，显然弥补了灵活性。
除了the web上提供的内容之外，还有几本关于如何热销R来处理大数据的新书。 Art of R Programming（Matloff 2011; No Starch Press）提供了编写优化的R代码，并行计算以及将R与C结合使用的介绍。整本书都有很好的代码示例和演练。 Parallel R（McCallum＆amp; Weston 2011; O'Reilly）看起来也不错。
答案 3 :(得分：-1)
我将用R和大数据集来解释我的短篇小说 我有一个从R到RDBMS的连接器，
我构建了一些查询，收集了这些数据的一些子集
然后操纵这个子集。
R只是在我的电脑上内存超过 200k 行的窒息。
因此，为机器设置一些合适的子集是一种很好的方法。