管理大数据集对于我们随着时间的推移收集的某些数据集，文件大小不断增加，最终速度可能会慢一些。 有时拆分为多个文件是一种解决方案，但您可能需要多个文件的一部分进行比较，这可能会很不方便。
我读过有关虚拟加入的内容，但尚未利用它。 对于这种情况，这是一种合适的方法吗？ 是否有针对此类问题实施 JMP 解决方案的良好示例？
回复：管理大数据集唯一可以加快 JMP 速度的是使用 Columns 命令来压缩列：
列 -> 实用程序 -> 压缩选定的列。
- 对于数字数据，您不会看到差异。 幕后发生的事情是 JMP 删除所有未使用的位（我们很少需要所有 64 位来存储数据）。
- 对于分类数据，它将其转化为清单检查，因此未来的数据输入可能更具挑战性。 它还大大减少了数据的总体占用量。
压缩列可以将文件大小减少一个数量级或更多！ 它绝对可以加快 JMP 中的计算速度。
您可以在中阅读更多相关信息JMP 文档。
回复：管理大数据集它通常是一个串联文件，因为随着时间的推移会收集更多数据。
在目前的情况下，我的文件相对易于管理，大小为 200KB，大约有 250K 行和 100 列。 我遇到过一些具有 >>100 万行和 100-300 列的场景。
对于那些更极端的情况，即使在制作简单的图表时，事情也会变得很慢。 我不确定在文件大小或减轻大量数据影响的策略方面我们是否应该避免特定的限制——如果有的话，我想听听它们！回复：管理大数据集如果您的文件由于与其他数据表的联接而变得更大，那么虚拟连接可以提供帮助，因为数据不会跨行重复。
但是，如果随着附加或连接更多数据而使数据表变得越来越大，那么虚拟联接就不会真正有帮助。
您的数据表增长情况如何？
当保存为 .jmp 文件时，最终的行和列大小以及磁盘大小是多少？
