在整个数据生命周期或数据管道（Data Pipeline）中，数据加工扮演着至关重要的角色。数据加工不仅是数据准备的关键环节，也是数据价值挖掘的基础。无论是数据清洗、格式转换，还是数据过滤、合并、聚合等操作，数据加工的每一步都直接影响后续分析、建模和决策的质量。通过有效的数据加工，原始数据可以被转化为高质量、结构化的信息，帮助企业做出精准决策，提升业务效率。特别是在低代码环境下，数据加工变得更加灵活和高效，使得数据工程师、分析师甚至是业务人员都能轻松应对复杂的数据处理任务，为数据驱动的决策提供强有力的支持。

SmartNotebook 实现多种数据加工低代码组件，包括数据过滤、数据列操作、数据Join合并、数据Union合并、数据透视表、数据逆透视。通过这些拖拉拽的实现数据加工基本逻辑，降低数据加工的门槛，提升数据加工的效率。

接下来一段时间我们逐步介绍各个低代码组件的功能和使用方式。我们接着上次《 SmartNotebook功能探秘：低代码数据加工之数据过滤 》、 《 解锁SmartNotebook新功能：透视(Pivot)与分组(GroupBy)的魔力 》 继续介绍列操作，下介绍数据的列操作，首先插入单元格中的“更多类型”插入"列操作"单元格 。

插入"列操作"单元格

"列操作"单元格需要选择数据集(DataFrame)作为输入，功能包括列选择（列筛选）、新增列(对列进行加工处理或新增计算指标列)，并返回新的数据数据（DataFrame）供后续使用（可视化分析、AI建模）。

数据"列操作"单元格功能说明

数据"列操作"单元格主要操作元素及支持的功能如下：

1. 选择要数据集：数据集可以加载csv、或SQL单元格执行查询结果。

2. 结果数据集输出的数据集变量名称：可以后续使用进行可视化或机器学习建模。

3. 列选择：列筛选，输出指定需要的数据列。

4. 新增计算列：支持基本算术运算和基于函数的转换/分析、窗口分析函数的指标计算，支持包括聚合函数、窗口函数等600个函数。

支持的函数涵盖了常见的数据操作和处理、分析方法，可广泛应用于数据分析、数据转换操作等场景。包括下列函数分类：

• Aggregate Functions（聚合函数） ：用于对一组值执行计算并返回单一值的函数，例如求和、平均值等。

• Array Functions（数组函数） ：用于操作数组类型数据的函数，如获取数组长度、元素检索等。

• Bitstring Functions（位串函数） ：用于处理位串数据的函数，包括按位操作、转换等。

• Blob Functions（Blob 函数） ：用于操作二进制大对象（Binary Large Object）的函数，如读取、写入 Blob 数据。

• Date Format Functions（日期格式函数） ：用于格式化日期为特定格式的函数。

• Date Functions（日期函数） ：处理日期类型数据的函数，包括获取当前日期、日期加减等。