我有不同的列數的兩個數據集:如果不是所有變量都相同,如何連接兩個數據集?
DS1:
A B C
1 2 3
DS2:
A C D
2 3 4
現在,我想這兩個數據集合並:
結果:
A B C D
1 2 3 0
2 3 0 4
正如你所看到的,如果兩個數據集中都不存在變量名,我只想添加0,NaN或空白。我試圖使用cat
和join
,但我無法弄清楚如何去做。任何提示?
我有不同的列數的兩個數據集:如果不是所有變量都相同,如何連接兩個數據集?
DS1:
A B C
1 2 3
DS2:
A C D
2 3 4
現在,我想這兩個數據集合並:
結果:
A B C D
1 2 3 0
2 3 0 4
正如你所看到的,如果兩個數據集中都不存在變量名,我只想添加0,NaN或空白。我試圖使用cat
和join
,但我無法弄清楚如何去做。任何提示?
首先,我們創建的例子:
% Create test datasets:
A=1;
B=2;
C=3;
save db1
A=2;
clear B;
D=4;
save db2
clear;
現在腳本看起來或多或少是:
% Your script starts here, replace your paths with the correct paths:
path_to_db1 = 'db1';
path_to_db2 = 'db2';
db1 = load(path_to_db1);
db2 = load(path_to_db2);
merge = db1;
for field = fieldnames(db1)'
field = field{1};
if isfield(db2,field)
merge.(field) = [merge.(field);db2.(field)];
else
merge.(field) = [merge.(field);0];
end
end
for field = fieldnames(db2)'
field = field{1};
if ~isfield(db1,field)
merge.(field) = [0;db2.(field)];
end
end
clear db1 db2;
輸出:
>> merge.A
ans =
1
2
>> merge.B
ans =
2
0
>> merge.C
ans =
3
3
>> merge.D
ans =
0
4
但是你可能他們想是工作區上的自由變量,而不是合併結構,因此您可以添加以下代碼:
for field = fieldnames(merge)'
field=field{1};
eval(sprintf('%s = merge.%s;',field,field));
end
這是一個醜陋的方式來做到這一點 - 然後一個更清晰的方式(稍後添加)。問題是,只要你使用單元陣列(因爲數據類型是混合的 - 字母表中的字母,然後數字),生活變得很難。通過創建一個結構,其中列名和數據是兩個單獨的數組(參見下文),您可以做得更好......但現在這裏是「解決方案」。通過在兩個數據集中有不同數量的行以及不同數量的列,我讓生活更有趣 - 只是爲了確保不會破壞某些東西。
ds1 = {'a','bb','c';1,2,3};
ds2 = {'aa','c','d', 'e';2,3,4,5; 5,6,7,8};
cols = unique({ds1{1,:} ds2{1,:}});
ds3 = cols;
n1 = size(ds1,1) - 1;
%%
for ii = 1:size(ds1,2)
ci = find(cellfun(@(x) isequal(x, ds1{1,ii}), cols));
if numel(ci) > 0
for jj = 1:n1
ds3{1+jj,ci} = ds1{1+jj, ii};
end
end
end
n2 = size(ds2, 1) - 1;
for ii = 1:size(ds2,2)
ci = find(cellfun(@(x) isequal(x, ds2{1,ii}), cols));
if numel(ci) > 0
for jj = 1:n2
ds3{1+n1+jj,ci} = ds2{1+jj, ii};
end
end
end
生成的合併數組:
'a' 'aa' 'bb' 'c' 'd' 'e'
[1] [] [ 2] [3] [] []
[] [ 2] [] [3] [4] [5]
[] [ 5] [] [6] [7] [8]
不是最優的,我敢肯定 - 但它確實你問什麼......我討厭在循環中這樣做,但不能看到周圍的方式它。我希望其中一位「真正的Matlab專家」會在他看到這個時候嘔吐,並被激勵成爲您提供一個明智的答案。
編輯我想過這個多一些,並用更高效的算法上來:
% assuming column headers and data are in two separate arrays
ds1headers = {'a','bb','c'};
ds1data = [1 2 3; 2 3 4];
ds2headers = {'aa','c','d', 'e'};
ds2data = [2 3 4 5; 3 4 5 6; 4 5 6 7];
% as before, find unique column headers:
cols = unique({ds1headers{:} ds2headers{:}});
% convert to column numbers:
ds1conv = cellfun(@(x)find(ismember(cols, x)), ds1headers);
ds2conv = cellfun(@(x)find(ismember(cols, x)), ds2headers);
% now conversion is easy:
n1 = size(ds1data,1);
n2 = size(ds2data,1);
ds3data = zeros(n1+n2, numel(cols));
ds3data(1:n1, ds1conv) = ds1data;
ds3data(n1+(1:n2), ds2conv) = ds2data;
disp(cols)
disp(ds3data)
結果是
'a' 'aa' 'bb' 'c' 'd' 'e'
1 0 2 3 0 0
2 0 3 4 0 0
0 2 0 3 4 5
0 3 0 4 5 6
0 4 0 5 6 7
看起來像它會做的伎倆 - 和沒有醜陋的循環......我現在認識到,這看起來有點像@ Magla的解決方案下面(當我發佈我的更新時沒有看到它,但顯然是在我最近編輯之前) - 除了我還有一個單元陣列列名和其他一些我mprovements。
我會去這樣的事情。它用零填充最終的矩陣。
%examples (ABCD are replaced by indexes 1234)
A = [1 2 3; 11 12 13];
B = [1 3 5 8; 111 112 113 114];
%first mix the first rows of A and B
header = union(A(1,:), B(1,:))
%find the corresponding indexes in A and B
[Lia,LocbA] = ismember(A(1,:),header);
[Lia,LocbB] = ismember(B(1,:),header);
%concatenate the second rows of A and B
C = header
C(2,LocbA) = A(2,:);
C(3,LocbB) = B(2,:);
結果:
A =
1 2 3
11 12 13
B =
1 3 5 8
111 112 113 114
C =
1 2 3 5 8
11 12 13 0 0
111 0 112 113 114
編輯:最初提供的代碼也適用於單元格(請參閱下面的示例)。在這種情況下,它用空單元格填充最終的單元陣列。與@Floris解決方案相反,要合併的數據集由列標題(第一行)和數據(第二行)組成。我猜你的數據格式將適合這兩種解決方案之一。
%input modification (now with cells)
A = {'A' 'B' 'C'; 11 12 13};
B = {'A' 'C' 'E' 'H'; 111 112 113 114};
結果:
C =
'A' 'B' 'C' 'E' 'H'
[ 11] [12] [ 13] [] []
[111] [] [112] [113] [114]
可以告訴你如何聲明這些數據集?他們是單元陣列嗎? – Floris
@弗洛伊斯我從一個文件加載它們 – RoflcoptrException