在Redshift的dplyr操作中重命名汇总生成的列

其实你完全不需要把数据加载到内存里就能解决这个问题，核心是用正确的方式处理延迟计算表的列名——两种方法都能保持dbplyr的延迟特性，让所有操作在Redshift端完成。

方法一：在summarise时直接指定列名（推荐） #

你之前用summarise(sum(purchases))会生成默认的sum(purchases)列名，但其实可以在聚合步骤直接给结果命名，这样生成的延迟表直接就有purchases列，后续join自然会产生purchases.x和purchases.y：

data <- tbl(conn, "customers") %>% filter(age >= 18)
subset <- data %>% filter(eye_color != "brown") %>% 
  group_by(gender, method, age, region) %>% 
  summarise(purchases = sum(purchases), .groups = "drop") %>% # 直接将聚合结果命名为purchases
  full_join(data, by=c("region", "age", "method"))

这里的.groups = "drop"是为了在聚合后取消分组，避免分组状态干扰后续的join操作；如果你的业务逻辑需要保留分组，可以根据需求调整这个参数。

方法二：事后对延迟表重命名 #

如果已经生成了带有sum(purchases)列的延迟表，也可以用rename重命名，但要注意原列名包含括号这种特殊字符，必须用反引号把它括起来，这样R才能正确识别这是一个列名而非函数调用：

data <- tbl(conn, "customers") %>% filter(age >= 18)
subset <- data %>% filter(eye_color != "brown") %>% 
  group_by(gender, method, age, region) %>% 
  summarise(sum(purchases)) %>% 
  rename(purchases = `sum(purchases)`) %>% # 用反引号包裹带特殊字符的原列名
  full_join(data, by=c("region", "age", "method"))

这个方法同样会被dbplyr转换成对应的SQL别名操作，全程在Redshift端执行，不需要把数据拉到本地内存。

为什么之前的重命名方法没生效？ #

你尝试的rename等方法无效，大概率是因为没正确处理sum(purchases)这个带特殊字符的列名——普通的rename(purchases = sum(purchases))会被R当成调用sum(purchases)函数，而非引用列名，用反引号包裹后才能让R正确识别这是一个列名。

内容的提问来源于stack exchange，提问作者Minh