博客原文：https://suzan.rbind.io/2018/01/dplyr-tutorial-1/
作者：Suzan Baert

注意：所有代码都将作为管道的一部分呈现，即使它们中的任何一个都不是完整的管道。在某些情况下，我添加了一个glimpse（）语句，允许您查看输出tibble中选择的列，而不必每次都打印所有数据。

数据集

library(tidyverse)#built-in R dataset
glimpse(msleep)## Observations: 83
## Variables: 11
## $ name         <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Grea...
## $ genus        <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bo...
## $ vore         <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi...
## $ order        <chr> "Carnivora", "Primates", "Rodentia", "Soricomorph...
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...
## $ sleep_total  <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1...
## $ sleep_rem    <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0....
## $ sleep_cycle  <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.38...
## $ awake        <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, 13.9,...
## $ brainwt      <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0....
## $ bodywt       <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.4...

选取列

选取列：基础部分

如果目的是选择其中几列，只需在select语句中添加列的名称即可。添加它们的顺序将决定它们在output中的显示顺序。

msleep %>%select(name, genus, sleep_total, awake) %>%glimpse()## Observations: 83
## Variables: 4
## $ name        <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Great...
## $ genus       <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bos...
## $ sleep_total <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1,...
## $ awake       <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, 13.9, ...

如果你想添加很多列，可以通过使用chunks提高工作效率，取消选择甚至取消选择列并重新添加它来进行选择直接。

同时可以请使用start_col：end_col语法选择某些列：

msleep %>%select(name:order, sleep_total:sleep_cycle) %>%glimpse## Observations: 83
## Variables: 7
## $ name        <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Great...
## $ genus       <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bos...
## $ vore        <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi"...
## $ order       <chr> "Carnivora", "Primates", "Rodentia", "Soricomorpha...
## $ sleep_total <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1,...
## $ sleep_rem   <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0.6...
## $ sleep_cycle <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.383...

另一种方法是通过在列名称前添加减号来取消选择列。还可以通过此操作取消选择某些列。

msleep %>% select(-conservation, -(sleep_total:awake)) %>%glimpse## Observations: 83
## Variables: 6
## $ name    <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Greater s...
## $ genus   <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bos", "...
## $ vore    <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi", "c...
## $ order   <chr> "Carnivora", "Primates", "Rodentia", "Soricomorpha", "...
## $ brainwt <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0.07000...
## $ bodywt  <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.490, 0...

甚至可以取消选择整个chunks列，然后重新添加其中某列。下面的示例代码取消选择从name到awake的所有列，但重新添加列'conservation'，即使它是取消选择的列的一部分。但这只适用于在同一select（）语句中。

msleep %>%select(-(name:awake), conservation) %>%glimpse## Observations: 83
## Variables: 3
## $ brainwt      <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0....
## $ bodywt       <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.4...
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...

根据列名特点选择列

如果你有很多具有类似列名的列，你可以通过在select语句中添加starts_with（），ends_with（）或contains（）来使用匹配。

msleep %>%select(name, starts_with("sleep")) %>%glimpse## Observations: 83
## Variables: 4
## $ name        <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Great...
## $ sleep_total <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1,...
## $ sleep_rem   <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0.6...
## $ sleep_cycle <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.383...msleep %>%select(contains("eep"), ends_with("wt")) %>%glimpse## Observations: 83
## Variables: 5
## $ sleep_total <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1,...
## $ sleep_rem   <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0.6...
## $ sleep_cycle <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.383...
## $ brainwt     <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0.0...
## $ bodywt      <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.49...

根据正则表达式选择列

以上的辅助函数都是使用精确的模式匹配。如果你有列名模式并不精确相同，你可以在matches（）中使用任何正则表达式。下面的示例代码将添加任何包含“o”的列，后跟一个或多个其他字母，以及“er”。

#selecting based on regex
msleep %>%select(matches("o.+er")) %>%glimpse## Observations: 83
## Variables: 2
## $ order        <chr> "Carnivora", "Primates", "Rodentia", "Soricomorph...
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...

根据预先确定的列名选择列

还有另一个选项可以避免连续重新输入列名：one_of（）。您可以预先设置列名，然后在select（）语句中通过将它们包装在one_of（）中或使用!!运算符来引用它们。

classification <- c("name", "genus", "vore", "order", "conservation")msleep %>%select(!!classification)## # A tibble: 83 x 5
##    name                       genus       vore  order        conservation
##    <chr>                      <chr>       <chr> <chr>        <chr>
##  1 Cheetah                    Acinonyx    carni Carnivora    lc
##  2 Owl monkey                 Aotus       omni  Primates     <NA>
##  3 Mountain beaver            Aplodontia  herbi Rodentia     nt
##  4 Greater short-tailed shrew Blarina     omni  Soricomorpha lc
##  5 Cow                        Bos         herbi Artiodactyla domesticated
##  6 Three-toed sloth           Bradypus    herbi Pilosa       <NA>
##  7 Northern fur seal          Callorhinus carni Carnivora    vu
##  8 Vesper mouse               Calomys     <NA>  Rodentia     <NA>
##  9 Dog                        Canis       carni Carnivora    domesticated
## 10 Roe deer                   Capreolus   herbi Artiodactyla lc
## # ... with 73 more rows

根据数据类型选择列

select_if函数允许您传递返回逻辑语句的函数。例如，您可以使用select_if（is.character）选择所有字符串列。同样，你可以添加is.numeric，is.integer，is.double，is.logical，is.factor。如果你有日期列，你可以加载lubridate包，并使用is.POSIXt或is.Date。

msleep %>%select_if(is.numeric) %>%glimpse## Observations: 83
## Variables: 6
## $ sleep_total <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1,...
## $ sleep_rem   <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0.6...
## $ sleep_cycle <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.383...
## $ awake       <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, 13.9, ...
## $ brainwt     <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0.0...
## $ bodywt      <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.49...

您也可以选择否定，但在这种情况下，您需要添加波形符以确保仍将函数传递给select_if。 select_all / if / at函数需要将函数作为参数传递。如果你必须添加任何否定或参数，你必须将你的函数包装在funs（）中，或者在重新创建函数之前添加波形符。

msleep %>%select_if(~!is.numeric(.)) %>%glimpse## Observations: 83
## Variables: 5
## $ name         <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Grea...
## $ genus        <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bo...
## $ vore         <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi...
## $ order        <chr> "Carnivora", "Primates", "Rodentia", "Soricomorph...
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...

按逻辑表达式选择列

实际上，select_if允许您根据任何逻辑函数进行选择，而不仅仅基于数据类型。例如，可以选择平均值大于500的所有列。为避免错误，您还必须仅选择数字列，您可以提前执行此操作以获得更简单的语法，也可以在同一行中执行。类似地，'mean> 500本身不是一个函数，所以你需要先添加一个代字号，或者将它包装在funs（）`中以将语句转换为函数。

msleep %>%select_if(is.numeric) %>%select_if(~mean(., na.rm=TRUE) > 10)

或者更简便:

msleep %>%select_if(~is.numeric(.) & mean(., na.rm=TRUE) > 10)## # A tibble: 83 x 3
##    sleep_total awake   bodywt
##          <dbl> <dbl>    <dbl>
##  1       12.1  11.9   50.0
##  2       17.0   7.00   0.480
##  3       14.4   9.60   1.35
##  4       14.9   9.10   0.0190
##  5        4.00 20.0  600
##  6       14.4   9.60   3.85
##  7        8.70 15.3   20.5
##  8        7.00 17.0    0.0450
##  9       10.1  13.9   14.0
## 10        3.00 21.0   14.8
## # ... with 73 more rows

select_if的另一个有用功能是n_distinct（），它计算可以在列中找到的不同值的数量。例如，要返回少于10个不同答案的列，请在select_if语句中传递~n_distinct（。）<10。鉴于n_distinct（。）<10不是函数，你需要在前面放一个波浪号。

msleep %>%select_if(~n_distinct(.) < 10)## # A tibble: 83 x 2
##    vore  conservation
##    <chr> <chr>
##  1 carni lc
##  2 omni  <NA>
##  3 herbi nt
##  4 omni  lc
##  5 herbi domesticated
##  6 herbi <NA>
##  7 carni vu
##  8 <NA>  <NA>
##  9 carni domesticated
## 10 herbi lc
## # ... with 73 more rows

对列重新排序

您可以使用select（）函数（见下文）重新排序列。您选择它们的顺序将决定最终的顺序。

msleep %>%select(conservation, sleep_total, name) %>%glimpse## Observations: 83
## Variables: 3
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...
## $ sleep_total  <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1...
## $ name         <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Grea...

如果你只是想将几列移到前面，你可以在之后使用everything（）这将简便地添加所有剩余的列。

msleep %>%select(conservation, sleep_total, everything()) %>%glimpse## Observations: 83
## Variables: 11
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...
## $ sleep_total  <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1...
## $ name         <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Grea...
## $ genus        <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bo...
## $ vore         <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi...
## $ order        <chr> "Carnivora", "Primates", "Rodentia", "Soricomorph...
## $ sleep_rem    <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0....
## $ sleep_cycle  <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.38...
## $ awake        <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, 13.9,...
## $ brainwt      <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0....
## $ bodywt       <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.4...

列名

有时候列名称本身需要进行更改：

重命名列

如果您将使用select（）语句，则可以在select函数中直接重命名。

msleep %>%select(animal = name, sleep_total, extinction_threat = conservation) %>%glimpse## Observations: 83
## Variables: 3
## $ animal            <chr> "Cheetah", "Owl monkey", "Mountain beaver", ...
## $ sleep_total       <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0,...
## $ extinction_threat <chr> "lc", NA, "nt", "lc", "domesticated", NA, "v...

如果要保留所有列，因此不能使用select（）语句，可以通过添加rename（）语句来重命名。

msleep %>% rename(animal = name, extinction_threat = conservation) %>%glimpse## Observations: 83
## Variables: 11
## $ animal            <chr> "Cheetah", "Owl monkey", "Mountain beaver", ...
## $ genus             <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina"...
## $ vore              <chr> "carni", "omni", "herbi", "omni", "herbi", "...
## $ order             <chr> "Carnivora", "Primates", "Rodentia", "Sorico...
## $ extinction_threat <chr> "lc", NA, "nt", "lc", "domesticated", NA, "v...
## $ sleep_total       <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0,...
## $ sleep_rem         <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, N...
## $ sleep_cycle       <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667,...
## $ awake             <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, ...
## $ brainwt           <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, N...
## $ bodywt            <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850,...

格式化所有列名

select_all（）函数允许更改所有列，并将函数作为参数。如果想以大写形式获取所有列名，可以使用toupper（），同样可以使用小写tolower（）。

msleep %>%select_all(toupper)## # A tibble: 83 x 11
##    NAME   GENUS VORE  ORDER CONSERVATION SLEEP_TOTAL SLEEP_REM SLEEP_CYCLE
##    <chr>  <chr> <chr> <chr> <chr>              <dbl>     <dbl>       <dbl>
##  1 Cheet~ Acin~ carni Carn~ lc                 12.1     NA          NA
##  2 Owl m~ Aotus omni  Prim~ <NA>               17.0      1.80       NA
##  3 Mount~ Aplo~ herbi Rode~ nt                 14.4      2.40       NA
##  4 Great~ Blar~ omni  Sori~ lc                 14.9      2.30        0.133
##  5 Cow    Bos   herbi Arti~ domesticated        4.00     0.700       0.667
##  6 Three~ Brad~ herbi Pilo~ <NA>               14.4      2.20        0.767
##  7 North~ Call~ carni Carn~ vu                  8.70     1.40        0.383
##  8 Vespe~ Calo~ <NA>  Rode~ <NA>                7.00    NA          NA
##  9 Dog    Canis carni Carn~ domesticated       10.1      2.90        0.333
## 10 Roe d~ Capr~ herbi Arti~ lc                  3.00    NA          NA
## # ... with 73 more rows, and 3 more variables: AWAKE <dbl>, BRAINWT <dbl>,
## #   BODYWT <dbl>

你可以通过动态创建函数来进一步：如果你有来自excel杂乱的列名，你可以用下划线替换所有的空格。

#making an unclean database:
msleep2 <- select(msleep, name, sleep_total, brainwt)
colnames(msleep2) <- c("name", "sleep total", "brain weight")msleep2 %>%select_all(~str_replace(., " ", "_"))## # A tibble: 83 x 3
##    name                       sleep_total brain_weight
##    <chr>                            <dbl>        <dbl>
##  1 Cheetah                          12.1     NA
##  2 Owl monkey                       17.0      0.0155
##  3 Mountain beaver                  14.4     NA
##  4 Greater short-tailed shrew       14.9      0.000290
##  5 Cow                               4.00     0.423
##  6 Three-toed sloth                 14.4     NA
##  7 Northern fur seal                 8.70    NA
##  8 Vesper mouse                      7.00    NA
##  9 Dog                              10.1      0.0700
## 10 Roe deer                          3.00     0.0982
## # ... with 73 more rows

或者，如果您的列包含其他数据，例如问题编号：

#making an unclean database:
msleep2 <- select(msleep, name, sleep_total, brainwt)
colnames(msleep2) <- c("Q1 name", "Q2 sleep total", "Q3 brain weight")
msleep2[1:3,]## # A tibble: 3 x 3
##   `Q1 name`       `Q2 sleep total` `Q3 brain weight`
##   <chr>                      <dbl>             <dbl>
## 1 Cheetah                     12.1           NA
## 2 Owl monkey                  17.0            0.0155
## 3 Mountain beaver             14.4           NA

您可以将select_all与str_replace结合使用以消除额外的字符。

msleep2 %>%select_all(~str_replace(., "Q[0-9]+", "")) %>% select_all(~str_replace(., " ", "_"))      ## # A tibble: 83 x 3
##    `_name`                    `_sleep total` `_brain weight`
##    <chr>                               <dbl>           <dbl>
##  1 Cheetah                             12.1        NA
##  2 Owl monkey                          17.0         0.0155
##  3 Mountain beaver                     14.4        NA
##  4 Greater short-tailed shrew          14.9         0.000290
##  5 Cow                                  4.00        0.423
##  6 Three-toed sloth                    14.4        NA
##  7 Northern fur seal                    8.70       NA
##  8 Vesper mouse                         7.00       NA
##  9 Dog                                 10.1         0.0700
## 10 Roe deer                             3.00        0.0982
## # ... with 73 more rows

行名转换成列

某些数据框的行名本身有意义，例如mtcars数据集：

 mtcars %>%head##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

如果希望此列成为实际列，则可以使用rownames_to_column（）函数，并指定新列名。

 mtcars %>%tibble::rownames_to_column("car_model") %>%head##           car_model  mpg cyl disp  hp drat    wt  qsec vs am gear carb
## 1         Mazda RX4 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## 2     Mazda RX4 Wag 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## 3        Datsun 710 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## 4    Hornet 4 Drive 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## 5 Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## 6           Valiant 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

数据处理第一节：选取列的基本到高级方法相关推荐

如何读取csv文件中第n行数据python-python数据处理之如何选取csv文件中某几行的数据...
前言有些人看到这个问题觉得不是问题,是嘛,不就是df.col[]函数嘛,其实忽略了一个重点,那就是我们要省去把csv文件全部读取这个过程,因为如果在面临亿万级别的大规模数据,得到的结果就是boom, ...
初等数学O 集合论基础第一节集合及其基本运算、de Moivre公式
初等数学O 集合论基础第一节集合及其基本运算.de Moivre公式写在前面初等数学这个系列是为高中升理工科的学生以及低年级新生准备的衔接内容,主要的目的是对进入大学前12年学过的数学知识(初 ...
python dendrogram_【聚类分析】《数学建模算法与应用》第十章多元分析第一节聚类分析 python实现...
第十章多元分析第一节聚类分析介绍这里是司守奎教授的<数学建模算法与应用>全书案例代码python实现,欢迎加入此项目将其案例代码用python实现 GitHub项目地址:Math ...
VS2010 教程：创建一个 WPF 应用程序 (第一节)
来自:https://msdn.microsoft.com/zh-cn/library/ff629048.aspx [原文发表地址] VS2010 Tutorial: Build a WPF App ...
【Python基础知识-pycharm版】第一节-基础
python第一节特点 Python 解释器 python开发环境交互模式 IDLE开发环境使用入门程序基本格式图形化程序设计 python程序的构成 python程序的对象 python的引 ...
数据结构第一节课感受
在第一节课中,老师让同学朗读重点自然段并让同学提出问题进行解答,在过程中我们能够很好的集中精神吸收知识也了解到了很多老师的学习方法,为数据结构的学习打下很好的基础. 在阅读完绪论之后,我对知识点做了以 ...
第六章第一节文本控件
第一节文本控件与文本有关的控件有两个,即标签和文本框. 在标签中只能显示文本,不嫩进行编辑,而在文本框中即可显示文本,又可输入文本. 一.标签 1.标签主要用来显示文本信息,它所显示的内容只能 ...
高等数学笔记-乐经良老师-第五章-积分(Ⅰ)-定积分与不定积分-第一节-定积分的概念
高等数学笔记-乐经良第五章-积分(Ⅰ)-定积分与不定积分第一节定积分的概念一.实际背景 01 质线的质量问题描述质线位于 x x x轴上 [ a , b ] [a,b] [a,b],线密度 ...
机器学习和深度学习之数学基础-线性代数第一节向量及线性映射
转自:https://blog.csdn.net/yong_bai/article/details/80033516 yong_bai 发布于2018-04-18 21:40:15 阅读数 1440 ...
零基础学习SQL第一节
零基础学习SQL第一大节第一节:数据库与SQL 我们身边的数据库大家都有过下面这样的经历吧? 收到曾经为自己诊治过的牙医寄来的明信片,上面写着"距上次检查已有半年,请您再来做个牙齿健康查 ...

数据处理第一节：选取列的基本到高级方法

选取列