本節書摘來自華章出版社《資料分析實戰
基于excel和spss系列工具的實踐》一書中的第3章，第3.4節，紀賀元 著，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。
早期做教育訓練的時候，很少有學員來問我資料量的事情，因為大家的資料量都比較小，這幾年來不同了，經常有學員來問我：老師，作者的資料有300多萬，怎麼辦？還有學員說，我們要做客戶畫像，資料量有1000多萬，我們平時都是放在mysql裡面做的。
資料量太大了，怎麼辦？excel的一個工作表隻能存放1048576行資料，也就是104萬多一點，資料多了如何處理呢？
excel隻是一個辦公軟體，在處理大資料量方面，它遠遠沒有專業的資料庫給力。專業資料庫能夠處理比較大的資料量，并且處理速度快，在處理資料備援等方面效率高，遠非excel可比。對于專業的資料庫，個人的一個感覺是，現在用access的人越來越少，越來越多的人轉向mysql，除了mysql具有開源免費的特征之外，它還能和r或者python組合使用，這應該也是一個很重要的原因。
專業的統計分析和挖掘工具雖然不是資料庫，但是其資料的吞吐量也遠高于excel。以下以spss和modeler為例來說明它們是如何處理大資料量的。
（1）spss處理大資料量
這裡以案例檔案3.10.1和3.10.2進行說明，這兩個檔案的資料量均超過了60萬行，現在要将這兩個檔案合并，合并後的資料會超過120萬行，excel已經無法容納，是以考慮采用spss處理。
打開spss軟體，依次選擇“檔案”→“打開”→“資料”，如圖3-28所示。
然後，在硬碟上找到要打開的excel檔案的路徑，并打開，如圖3-29所示。
同理打開第二個檔案。在第一個打開的資料集中依次選擇“資料”→“合并檔案”→“添加個案”，如圖3-30所示。
然後選擇已經打開的資料集，繼續合并，如圖3-31所示。
由于兩個檔案的字段相同，都是“編号”和“尺寸”，是以圖3-31的新的活動資料集中，變量隻有“編号”和“尺寸”兩種，點選确定，完成合并。
為了驗證上面的資料，依次點選“分析”→“描述統計”→“描述”，如圖3-32所示。
然後，選擇相關的名額，進行描述統計，如圖3-33所示。
最後得到結論，如圖3-34所示。
可以看到，合并後的資料量為1378832，超過了excel工作表的最大容量。
（2）modeler處理大資料量
與spss一樣，modeler也可以處理大資料，以案例檔案3.11.1和3.11.2進行說明。打開modeler軟體，在“源”中選擇excel節點，選擇檔案路徑，點選确定。打開上述兩個檔案後，選擇“追加”節點，将兩個檔案的資料進行合并，如圖3-35所示。
為了驗證以上合并的結果，選擇“統計量”節點，進而驗證合并後的資料量，如圖3-36所示。
可以看到，以上資料的總和達到了1465700。
如果資料量比較大，也可以采用資料抽樣的方法，spss和modeler都有專門做資料抽樣的方法，在excel中也可以實作，比如，可以用随機數函數進行抽樣。
以下以spss和excel為例來說明如何做資料抽樣。
在spss中打開資料檔案，在“資料”主标簽中選擇“選擇個案”，如圖3-37所示。
接圖3-37，點選“選擇個案”，如圖3-38所示。
在圖3-38中，選擇“随機個案樣本”，如圖3-39所示。
圖3-39中提供了幾種常用并且比較簡單的資料抽樣方法，如果對抽樣技術要求不是很高，這幾種基本也夠用了。
在excel中的資料抽樣方法有兩種，最簡單的就是用randbetween函數，例如我們有50萬行資料，希望以1∶100的比例進行抽樣，用randbetween(1, 500000)生成5000個随機數即可。另外一個方法是在excel“資料分析”子產品中選擇“抽樣”，如圖3-40和圖3-41所示。
在圖3-41的抽樣方法中，周期法是每隔一個固定的間隔就抽取一個資料，随機法則是在全量資料中随機抽取資料。
随着計算機計算速度的持續提高，資料抽樣其實在資料分析中用得并不多，因為如果不是上億的數量級，還是希望做全量資料的分析。