了解julia DataFrames.select（）中冒号的行为

我有一些数据有许多行，我想重新排序，在某些情况下重命名。由于列的数量太多，我不想选择

并重命名其中的每一列。但是当我使用
：
操作符来选择其余的列时，我得到了一个我没有预料到的结果。我重命名的列包含两次：

julia> data = [2  1  3  50
               52 51 53 100]

julia> names = ["col 2","col 1", "col_3", "col_50"]

julia> df = DataFrame(data, names)
2×4 DataFrame
 Row │ col 2  col 1  col_3  col_50 
     │ Int64  Int64  Int64  Int64  
─────┼─────────────────────────────
   1 │     2      1      3      50
   2 │    52     51     53     100


julia> select(df, "col 1" => :col_1, "col 2" => :col_2, :)
2×6 DataFrame
 Row │ col_1  col_2  col 1  col 2  col_3  col_50 
     │ Int64  Int64  Int64  Int64  Int64  Int64  
─────┼───────────────────────────────────────────
   1 │     1      2      1      2      3      50
   2 │    51     52     51     52     53     100

我希望/期待着这个

julia> select(df, "col 1" => :col_1, "col 2" => :col_2, :)
2×6 DataFrame
 Row │ col_1  col_2  col_3  col_50 
     │ Int64  Int64  Int64  Int64  
─────┼────────────────────────────
   1 │     1      2      3      50
   2 │    51     52     53     100

关于
：
操作符，我误解了什么。
有没有其他方法可以实现我想要的转变？
事实证明是有的。有趣的是，人们（我在这里回答我自己的问题）可以专注于使用一个函数，而我可以使用
重命名！（）
然后使用
选择对其重新排序！（）
：

或使用管道：

julia> using Pipe

julia> @pipe df |>
        rename!(_, "col 1" => :col_1, "col 2" => :col_2) |> 
        select!(_, :col_1, :col_2, :)
2×4 DataFrame
│ Row │ col_1 │ col_2 │ col_3 │ col_50 │
│     │ Int64 │ Int64 │ Int64 │ Int64  │
├─────┼───────┼───────┼───────┼────────┤
│ 1   │ 1     │ 2     │ 3     │ 50     │
│ 2   │ 51    │ 52    │ 53    │ 100    │


关于
：
操作员的行为，我必须感谢bkamins在

在以下位置添加：放置源数据框中尚未添加到结果的所有列；添加基于列名（而不是内容）

为什么它是这样工作的：
通常，我们允许在select等中进行可能非常复杂的转换-可以按任何顺序创建、重命名和添加列。为了保持规则的简单性（以便用户可以建立正确的心理模型来了解正在发生的事情，而不会发生太多的神奇事情），这种方法是从左到右处理列，并通过在目标数据框中的名称来识别列

<>我同意，在你的特定情况下，最好按照你的建议去做，但是如果你考虑一个更广泛的上下文（即在一个选择中你可以有几十个不同的转换组合），保持规则一致而没有任何特殊的情况，我相信更好。
我想我也在这里分享它。
作为一个小评论
rename
和
rename只更改列的名称-它们不更改顺序。啊，对不起。。。我纠正了它。
julia> using Pipe

julia> @pipe df |>
        rename!(_, "col 1" => :col_1, "col 2" => :col_2) |> 
        select!(_, :col_1, :col_2, :)
2×4 DataFrame
│ Row │ col_1 │ col_2 │ col_3 │ col_50 │
│     │ Int64 │ Int64 │ Int64 │ Int64  │
├─────┼───────┼───────┼───────┼────────┤
│ 1   │ 1     │ 2     │ 3     │ 50     │
│ 2   │ 51    │ 52    │ 53    │ 100    │