对于每种心率下给出的数据，我们需要进行合并才能方便后续处理，这里为大家展示利用python以及matlab分别实现合并的代码

import pandas as pd
import os

# 创建一个空的DataFrame对象
merged_data = pd.DataFrame()

# 设置数据文件所在的文件夹路径
folder_path = 'your_folder_path'

# 遍历文件夹中的所有文件
for filename in os.listdir(folder_path):
    if filename.endswith('.csv'):  # 假设文件是以.csv格式存储的
        file_path = os.path.join(folder_path, filename)
        
        # 读取文件数据
        data = pd.read_csv(file_path, header=None)
        
        # 将文件数据添加到合并的DataFrame中
        merged_data = pd.concat([merged_data, data], axis=1)

# 保存合并后的数据到Excel文件
merged_data.to_excel('merged_data.xlsx', index=False)

请将 'your_folder_path' 替换为实际数据文件所在的文件夹路径。假设所有数据文件都是以 .csv 格式存储的，如果不是，请根据实际情况修改代码中的文件格式条件判断部分。

这段代码将遍历指定文件夹中的所有数据文件，读取每个文件的数据，然后将它们按列合并到一个名为 merged_data 的DataFrame对象中。最后，将合并后的数据保存到一个名为 'merged_data.xlsx' 的Excel文件中，其中 index=False 参数用于不保存行索引。

MATLAB实现

% 设置数据文件所在的文件夹路径
folderPath = 'your_folder_path';

% 获取文件夹中所有的数据文件
fileList = dir(fullfile(folderPath, '*.csv')); % 假设文件是以.csv格式存储的

% 创建一个空矩阵用于存储合并后的数据
mergedData = [];

% 遍历所有数据文件
for i = 1:numel(fileList)
    % 读取当前文件的数据
    filePath = fullfile(folderPath, fileList(i).name);
    data = csvread(filePath);
    
    % 将数据添加到合并后的矩阵中
    mergedData = [mergedData, data];
end

% 将合并后的数据保存到一个新的文件
outputFilePath = fullfile(folderPath, 'merged_data.csv');
csvwrite(outputFilePath, mergedData);

请将 'your_folder_path' 替换为实际数据文件所在的文件夹路径，并确保所有数据文件的格式与代码中指定的一致（在示例中假设为 .csv 格式）。

这段MATLAB代码会遍历指定文件夹中的所有数据文件，逐个读取文件的数据，并将它们按列合并到一个名为 mergedData 的矩阵中。最后，它将合并后的数据保存到一个新的文件 'merged_data.csv' 中。

代码结果示意图，如下所示