matlab split dataset,matlab如何将数据转化为dataset格式

匿名用户

1级

2011-02-16 回答

在数据处理当中，我们经常碰到数据集合并的需要。在一些语言如SAS，SQL中，数据集合并是一个非常简单的问题，但是在Matlab中，数据集合并则显得稍微复杂了一点。

在Matlab中，要想合并数据，有两个办法，第一个办法就是使用dataset这种数据类型，这个statistic toolbox中的数据类型，专门为统计分析开发的。mat,cell,等数据类型转换成dataset数据类型可以查看 mat2dataset,cell2dataset函数。当然，也可以直接定义dataset数据集。有了dataset数据类型，那么就可以使用join函数进行数据合并。还有另外一种办法就是对于金融序列数据，可以使用Financial toolbox中的merge函数，前提是数据类型为金融时间序列对象。本文主要讨论join函数如何合并数据。

[C,IA,IB]= join(A,B,param1,val1,param2,val2,...)

参数一 Keys &&LeftKeys,RightKeys

在join这个函数中，首先要输入的参数是Keys 。这个一般为一个变量名，作为数据合并的标准。当Keys为变量名时，A,B中必须要都有这个变量。否则应该使用LeftKeys和RightKeys这两个参数，LeftKeys指定A中某个变量作为合并依据，RightKeys指定B中某个变量作为合并依据 。请看下面的例子。a、b是一个dataset类型数据，a包含了变量Key1,Var1;b包含了变量Key2,Var2;

a = dataset({'a' 'b' 'c' 'e' 'h'}',[1 2 3 11 17]','VarNames',{'Key1' 'Var1'})

b = dataset({'a' 'b' 'd' 'e'}',[4 5 6 7]','VarNames',{'Key1' 'Var2'})

a =

Key1 Var1

'a' 1

'b' 2

'c' 3

'e' 11

'h' 17

b =

Key1 Var2

'a' 4

'b' 5

'd' 6

'e' 7

现在我们想合并两个数据集，以Key1作为合并依据，那么

c= join(a,b,'key','Key1','Type','inner','MergeKeys',true)

c =

Key1 Var1 Var2

'a' 1 4

'b' 2 5

'e' 11 7

但是当a,b中的变量不同时，例如b中的Key1不叫Key1,而是叫Key2,那么怎么合并呢，应该使用使用LeftKeys和RightKeys代替Keys.举个例子：

a = dataset({'a' 'b' 'c' 'e' 'h'}',[1 2 3 11 17]','VarNames',{'Key1' 'Var1'})

b = dataset({'a' 'b' 'd' 'e'}',[4 5 6 7]', 'VarNames',{'Key2' 'Var2'})

%注意Key1变成了Key2

c= join(a,b,'LeftKeys','Key1','RightKeys','Key2','Type','inner','MergeKeys',true)

结果是

c =

Key1_Key2 Var1 Var2

'a' 1 4

'b' 2 5

'e' 11 7

参数二 Type

Type参数描述的是我们合并的方式，是返回两个数据中共有的部分，还是返回两个数据集中所有的观测值，或者返回某个数据集中的所有观测值。Type共有四个参数值，inner,outer,leftouter,rightouter.

首先我们看一下Type参数值为 inner时候的结果

cinner = join(a,b,'key','Key1','Type','inner','MergeKeys',true)

cinner =

Key1 Var1 Var2

'a' 1 4

'b' 2 5

'e' 11 7

结果返回a,b中Key1都有的‘a’,’b’,’c’的观测值。所以inner表示返回两个数据集的共有部分。

再看一下Type为outer时候的结果

couter =

Key1 Var1 Var2

'a' 1 4

'b' 2 5

'c' 3 NaN

'd' NaN 6

'e' 11 7

'h' 17 NaN

很显然，a中Key1变量没有 d这个值，b中Key1没有c,h这个值，但是结果中还是包含了这些观测值。所以outer表示返回数据集的所有观测值。

leftouter，与outer的区别在于leftouter表示，当A中有一个关键变量值而A中却没有的时候，依然返回该观测值。例如

cleftouter = join(a,b,'key','Key1','Type','leftouter', 'MergeKeys',true)

cleftouter =

Key1 Var1 Var2

'a' 1 4

'b' 2 5

'c' 3 NaN

'e' 11 7

'h' 17 NaN

所以leftouter返回A中所有的观测值。

rightouter这个参数值则和leftouter这个相反。

crightouter = join(a,b,'key','Key1','Type','rightouter', 'MergeKeys',true)

crightouter =

Key1 Var1 Var2

'a' 1 4

'b' 2 5

'd' NaN 6

'e' 11 7

参数三 MergeKeys

最后我们看一下 MergeKeys这个参数，故名思议，这个参数表示是否合并关键变量。当MergeKeys为true时，结果只返回一个关键变量。当MergeKeys为false时，结果返回两个关键变量，一个来自与A，一个来自与B. 让我们看一下这个例子

couter = join(a,b,'key','Key1','Type','inner', 'MergeKeys',false)

couter =

Key1_left Var1 Key1_right Var2

'a' 1 'a' 4

'b' 2 'b' 5

'e' 11 'e' 7

couter = join(a,b,'key','Key1','Type','inner', 'MergeKeys',true)

couter =

Key1 Var1 Var2

'a' 1 4

'b' 2 5

'e' 11 7

输出项 [C IA IB]

C为返回的数据集，IA,IB分别为索引，A(IA,varName)对应着C中含有A数据集的元素。例如

[c,IA,IB]=join(a,b,'LeftKeys','Key1','RightKeys','Key2','Type','inner','MergeKeys',true)

c =

Key1_Key2 Var1 Var2

'a' 1 4

'b' 2 5

'e' 11 7

IA =

1

2

4

IB =

1

2

4

>> a(IA,:)

ans =

Key1 Var1

'a' 1

'b' 2

'e' 11

struct、cell array、dataset都属于带有OO思想的几个数据类型，在处理统计的数据整理的时候，dataset可以较为方便的与panel类的数据处理自然融合，如果说速度的话，可能是struct稍微快些，但这三者中最基本的却是cell array，它的处理最类似矩阵，但是在统计数据的处理中有时候引用还是不太方便或容易搞混掉，特别是在数据比较多，且是不是修改的情况下，用名字引用更好些。

在数据转换方面，三者之间可以完全自然的转换，包括含有自定义对象的情况下，都没有什么问题。

但在目前的实际使用中，觉得如果是对多家企业的分析，可能还是struct array作为函数的传递是最方便的，当然，如果要抽取panel数据的话，可以考虑转换为dataset或cell。