Moyens efficaces pour ajouter de nouvelles données dans Matlab (avec code exemple)

Question

Je recherche des méthodes, des fonctions intégrées, de bonnes pratiques ... pour ajouter de nouvelles données à une matrice - lorsque les lignes et les colonnes ne sont pas les mêmes

les données je traite est structuré comme suit:

A.values: Ta x Ma matrix of values 
A.dates: Ta x 1 vector of datenum 
A.id:  1 x Ma cell array of ids 

maintenant, le défi est de savoir comment faire face aux nouveaux (chevauchement potentiellement) des données B que je charge et voudrais ajouter à une nouvelle matrice C:

Lorsque de nouvelles données arrive, il peut développer à la fois horizontalement et verticalement en raison de:

• nouveaux ids
• nouvelles dates

Il peut aussi avoir des dates qui commencent avantmin(A.dates) ou aprèsmax(A.dates) ou entre et max(A.dates). Les identifiants peuvent être tous uniques en B (tous nouveaux) ou certains peuvent se chevaucher.

Voici un exemple:

A.values = [2.1 2.4 2.5 2.6; ... 
      4.1 4.4 4.5 4.6; ... 
      6.1 6.4 6.5 6.6]; 
A.dates = [730002; ... 
      730004; ... 
      730006]; 
A.id  = {'x1', 'x4', 'x5', 'x6'}; 

maintenant de nouvelles données est disponible en:

B.values = [1.2 1.9 1.5 1.6 1.7; ... 
      3.2 3.9 3.5 3.6 3.7; ... 
      7.2 7.9 7.5 7.6 7.7; ... 
      8.2 8.9 8.5 8.6 8.7]; 
B.dates = [730001; ... 
      730003; ... 
      730007; ... 
      730008]; 
B.id  = {'x2', 'x9', 'x5', 'x6', 'x7'}; 

Comment construire maintenant efficacement et rapidement la nouvelle struct C?

C.values = [NaN 1.2 NaN 1.5 1.6 1.7 1.9; ... 
      2.1 NaN 2.4 2.5 2.6 NaN NaN; ... 
      NaN 3.2 NaN 3.5 3.6 3.7 3.9; ... 
      4.1 NaN 4.4 4.5 4.6 NaN NaN; ... 
      6.1 NaN 6.4 6.5 6.6 NaN NaN; ... 
      NaN 7.2 NaN 7.5 7.6 7.7 7.9; ... 
      NaN 8.2 NaN 8.5 8.6 8.7 8.9]; 
C.dates = [730001; ... 
      730002; ... 
      730003; ... 
      730004; ... 
      730006; ... 
      730007; ... 
      730008]; 
C.id  = {'x1', 'x2', 'x4', 'x5', 'x6', 'x7', 'x9'}; 

---

Mise à jour avec le calendrier

Suite aux commentaires, j'ai essayé d'y parvenir avec timetable comme suit:

function dfmerged = in_mergeCache(dfA, dfB) 

dtA = datenum2datetime(dfA.dates); % function datenum2datetime can be found here: https://stackoverflow.com/a/46685634/4262057 
dtB = datenum2datetime(dfB.dates); 

TTa = array2timetable(dfA.values, 'RowTimes', dtA, 'VariableNames', dfA.id); 
TTb = array2timetable(dfB.values, 'RowTimes', dtB, 'VariableNames', dfB.id); 

TTs = synchronize(TTa,TTb); 

dfmerged.id  = TTs.Properties.VariableNames; 
dfmerged.values = table2array(TTs); 
dfmerged.dates = datenum(TTs.Time); %to convert datenum 

end 

Problème: Cependant, cela m'a donné un grand horaire, où les lignes sont effectivement synchronisées, mais les colonnes où il suffit de dupliquer (9 colonnes). Comment puis-je également synchroniser les colonnes?

C = 

    struct with fields: 

     id: {'x1' 'x4' 'x5_TTa' 'x6_TTa' 'x2' 'x9' 'x5_TTb' 'x6_TTb' 'x7'} 
    values: [7×9 double] 
    dates: [7×1 double] 

Answer 1

Voici une solution en utilisant unique et indexation:

%combine the data and take unique value of them + their index 
[C.id,~,date_i] = unique([A.dates(:);B.dates(:)]); 
[C.dates,~,id_i] = unique([A.id B.id]); 

C.values = nan(numel(C.dates),numel(C.id)); 
%use matrix indexing to fill the sub-materices corresponding to elements of A and B 
C.values(date_i(1:numel(A.dates)),id_i(1:numel(A.id)))=A.values; 
C.values(date_i(numel(A.dates)+1:end),id_i(numel(A.id)+1:end))=B.values;