处理大型数据集时，先清理工作区释放内存，用data.table包的fread()读取CSV，速度远快于read.csv()。用dplyr和tidyselect的select系列函数按前缀、后缀或包含字符筛选变量，并随机抽样测试代码。这些策略适用于GB级数据，TB级需用RHadoop等工具。