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。