Question

让A和B为两个table（或dataset个）对象，这些对象具有一些共同的因子变量K1, K2, ..., Kn。我将这些 n 因子称为关键因素。另外，我会说A和B 的一行匹配 iff匹配这些关键因素，即iff A.K1 == B.K1 & A.K2 == B.K2 & ... & A.Kn == B.Kn。

（我在这篇文章的末尾用代码给出了上面的例子。）

我正在寻找一种高效的方式来提取A的所有行，这些行匹配B的一个¹行。

（更确切地说，我想要生成一个新表C，其中包含“匹配”A行的所有B行。）

有一种有效的方法吗？（我试图在这里避免for - Loop Hell，或者依赖于知道关键因素的数量等等的任何解决方案，因为我想在不太了解的代码中使用它A和B直到运行时。）

我尝试了intersect(A, B)，但失败并出现错误：

>> keyfactors = intersect(A.Properties.VarNames, B.Properties.VarNames);
>> intersect(A, B, keyfactors)
Error using table/intersect (line 41)
A and B must contain the same variables.

我能想出的唯一其他策略（虽然我还不知道如何实现它）是基于{中编码的信息在某种程度上合成一个函数。 {1}}。例如，给定一个像这样的索引表B

...以某种方式以编程方式生成类似

的函数

B = cell2table({
                'even', 'red', 'diamonds';
                'odd', 'yellow', 'spades';
                'odd', 'green', 'hearts'
               }, 'VariableNames', ...
               {'Parity', 'TrafficLight', 'Suit'});

...然后可以在这样的表达式中使用：

fn = @(c) any([all([strcmp(c(:, 1), 'even'), ...
                    strcmp(c(:, 2), 'red'), ...
                    strcmp(c(:, 3), 'diamonds')], 2), ...
               all([strcmp(c(:, 1), 'odd'), ...
                    strcmp(c(:, 2), 'yellow'), ...
                    strcmp(c(:, 3), 'spades')], 2), ...
               all([strcmp(c(:, 1), 'odd'), ...
                    strcmp(c(:, 2), 'green'), ...
                    strcmp(c(:, 3), 'hearts')], 2)], 2);

不幸的是，我无法弄清楚如何以编程方式合成上面的Ac = table2cell(A); C = cell2table(Ac(fn(Ac), :), ... 'VariableNames', B.Properties.VariableNames);这样的函数，而不依赖于（强烈弃用）fn。

以下是我正在考虑的eval和A表格的示例。（对于那些没有支持（而不是新的）B对象的MATLAB版本的人，如果字符串“table”和“VariableNames”被字符串“dataset”替换，则下面的代码应该有效。 “VarNames”，分别为。）

table

_{¹可以安全地假设，在% "data" table
A = cell2table({
'even', 'red', 'spades', 38, 0.9837;
'even', 'red', 'hearts', 19, 0.5695;
'even', 'red', 'diamonds', 89, 0.2629;
'even', 'red', 'diamonds', 98, 0.3578;
'even', 'red', 'diamonds', 92, 0.2596;
'even', 'red', 'diamonds', 69, 0.5751;
'even', 'red', 'diamonds', 77, 0.6318;
'even', 'yellow', 'clubs', 22, 0.6917;
'even', 'green', 'spades', 35, 0.6674;
'even', 'green', 'hearts', 67, 0.7896;
'even', 'green', 'hearts', 49, 0.5025;
'even', 'green', 'hearts', 64, 0.5318;
'odd', 'red', 'spades', 22, 0.5587;
'odd', 'red', 'hearts', 51, 0.9122;
'odd', 'red', 'diamonds', 74, 0.3343;
'odd', 'red', 'diamonds', 69, 0.2911;
'odd', 'yellow', 'spades', 33, 0.2653;
'odd', 'yellow', 'spades', 38, 0.2549;
'odd', 'yellow', 'diamonds', 1, 0.2064;
'odd', 'yellow', 'diamonds', 25, 0.8257;
'odd', 'green', 'spades', 64, 0.4348;
'odd', 'green', 'hearts', 59, 0.8644;
'odd', 'green', 'hearts', 4, 0.6374;
'odd', 'green', 'hearts', 11, 0.3354
}, 'VariableNames', ...
{'Parity', 'TrafficLight', 'Suit', 'order', 'prevalence'});

% "indexing" table
B = cell2table({
'i', 'even', 'red', 'diamonds';
'ii', 'odd', 'yellow', 'spades';
'iii', 'odd', 'green', 'hearts'
}, 'VariableNames', ...
[{'class'} A.Properties.VariableNames(1:3)]);

keyfactors = intersect(B.Properties.VariableNames, ...
A.Properties.VariableNames, ...
'stable');

% this fails:
% intersect(A, B, keyfactors);

% desired subtable would look like this one
C = cell2table({
'even', 'red', 'diamonds', 89, 0.2629;
'even', 'red', 'diamonds', 98, 0.3578;
'even', 'red', 'diamonds', 92, 0.2596;
'even', 'red', 'diamonds', 69, 0.5751;
'even', 'red', 'diamonds', 77, 0.6318;
'odd', 'yellow', 'spades', 33, 0.2653;
'odd', 'yellow', 'spades', 38, 0.2549;
'odd', 'green', 'hearts', 59, 0.8644;
'odd', 'green', 'hearts', 4, 0.6374;
'odd', 'green', 'hearts', 11, 0.3354
}, 'VariableNames', ...
{'Parity', 'TrafficLight', 'Suit', 'order', 'prevalence'});
中，关键因素的任何值组合（也称为“级别”）最多只出现一次< / em>的。 B通常不为真。在实践中，A将包含实际数据，而A将是“合成的”（即专门为此处描述的操作构建），并且将具有更少的变量并且更多更少比B更多的行。因此，可以将A视为B的“索引表”。}

Answer 1

这会返回您想要的内容，但我不知道它是否正常工作，因此您需要测试：

[~,iB,iA] = intersect(B.Properties.VariableNames, ...
                      A.Properties.VariableNames, ...
                      'stable');
C = A(ismember(A(:,iA),intersect(A(:,iA),B(:,iB),'stable')),:)

部分问题是table/intersect仅在重复行时返回第一个匹配项。我使用table/ismember生成逻辑索引来解决这个问题。

如何获取与表（或数据集）对象B的某些行匹配的表（或数据集）对象A的所有行？

1 个答案: