如何对两个Timetable执行不按键排序的Outerjoin并优先高优数据

问题背景 #

需要对两个包含相同变量的Timetable执行外连接，要求合并后不按键值排序，且相同时间样本下优先保留table1（高质量数据）的行，再保留table2（低质量数据）的行，最终通过retime提取每个时间点的优先值。

方法一：保留所有原始行并调整顺序 #

如果需要保留所有原始行（包括重复时间的条目），可以通过标记来源+分组排序的方式实现：

% 定义原始数据
table1 = array2timetable([2;5], 'RowTimes', datetime(2000:2001,1,1), 'VariableNames', {'A'});
table2 = array2timetable([1;3], 'RowTimes', datetime(2001:2002,1,1), 'VariableNames', {'A'});

% 为两个表添加来源标记（1代表table1，2代表table2）
table1_marked = addvars(table1, ones(height(table1),1), 'NewVariableNames', 'Source');
table2_marked = addvars(table2, 2*ones(height(table2),1), 'NewVariableNames', 'Source');

% 垂直合并两个表
combined = [table1_marked; table2_marked];

% 按时间分组，每组内按来源标记排序（table1的行优先）
sorted_combined = splitapply(...
    @(t,a,s) sortrows([t,a,s], 3), ...
    combined.Time, combined.A, combined.Source);

% 转换回Timetable并移除来源标记
sorted_combined = array2timetable(...
    sorted_combined(:,2), ...
    'RowTimes', sorted_combined(:,1), ...
    'VariableNames', {'A'});

执行后得到的sorted_combined完全符合期望顺序：

Time        A
    ___________    _

    01-Jan-2000    2
    01-Jan-2001    5
    01-Jan-2001    1
    01-Jan-2002    3

再通过retime提取优先值：

final_table = retime(sorted_combined, unique(sorted_combined.Time), 'firstvalues');

方法二：直接生成去重后的结果（更高效） #

如果不需要保留重复时间的原始行，仅需最终的优先结果，可以跳过合并排序步骤，直接通过时间匹配+值填充实现，效率更高：

% 定义原始数据
table1 = array2timetable([2;5], 'RowTimes', datetime(2000:2001,1,1), 'VariableNames', {'A'});
table2 = array2timetable([1;3], 'RowTimes', datetime(2001:2002,1,1), 'VariableNames', {'A'});

% 获取所有唯一时间点，保持table1时间在前的稳定顺序
all_times = union(table1.Time, table2.Time, 'stable');

% 初始化结果数组
A_values = nan(size(all_times));

% 先填充table1中的数据
idx_table1 = ismember(all_times, table1.Time);
A_values(idx_table1) = table1.A(ismember(table1.Time, all_times(idx_table1)));

% 填充table2中table1未覆盖的数据
idx_table2 = ~idx_table1 & ismember(all_times, table2.Time);
A_values(idx_table2) = table2.A(ismember(table2.Time, all_times(idx_table2)));

% 生成最终Timetable
final_table = timetable(all_times, A_values, 'VariableNames', {'A'});

直接得到最终结果：

Time        A
    ___________    _

    01-Jan-2000    2
    01-Jan-2001    5
    01-Jan-2002    3

方法对比 #

• 方法一：保留所有原始行，适合需要查看完整原始数据的场景，但数据量大时性能略低。
• 方法二：直接生成去重结果，避免了中间排序步骤，性能更优，适合仅需最终优先值的场景。

内容的提问来源于stack exchange，提问作者WJB