在 Section 4.4 中， 我们使用 select 函数选择一列或多列源数据， 并传入一个或多个目标列 source => target。 同样也有例子帮助回忆： select(df, :name => :people_names)。

本节将讨论如何 变换 变量，即如何 更改数据。 DataFrames.jl 中对应的语法是 source => transformation => target。

与之前一样，使用 grades_2020 数据集：

假设想要 grades_2020 中的所有成绩加 1。 首先，需要定义一个接收向量数据并使所有元素加 1 的函数。 然后使用 DataFrames.jl 中的 transform 函数。与其他原生 DataFrames.jl 函数一样，按照其语法，它接收 DataFrame 作为第一个参数：

transform(grades_2020(), :grade_2020 => plus_one)

如之前所说， DataFrames.jl 总是支持 source => transformation => target 这样的短语法。 所以，如果想在输出中保留 target 列的命名，操作如下：

transform(grades_2020(), :grade_2020 => plus_one => :grade_2020)

也可以使用关键字参数 renamecols=false：

还可以使用 select 实现相同的转换，具体如下：

select(grades_2020(), :, :grade_2020 => plus_one => :grade_2020)

其中 : 表明 “选择所有列” ，正如在 Section 讨论的那样。 另外，还可以使用 Julia 广播更改 grade_2020 列，即直接访问 ：

df.grade_2020 = plus_one.(df.grade_2020)
df

为了展示如何同时更改两列， 我们使用 Section 中的左合并数据：

结合此数据集，我们增加一列来判断每位同学是否都有一门课的成绩大于 5.5：

pass(A, B) = [5.5 < a || 5.5 < b for (a, b) in zip(A, B)]
transform(leftjoined, [:grade_2020, :grade_2021] => pass; renamecols=false)

可以清理下结果，并将上述逻辑整合到一个函数中，然后最终得到符合标准学生的名单：

function only_pass()
    pass(A, B) = [5.5 < a || 5.5 < b for (a, b) in zip(A, B)]
    leftjoined = transform(leftjoined, [:grade_2020, :grade_2021] => pass => :pass)
    passed = subset(leftjoined, :pass; skipmissing=true)
    return passed.name
end