Hugging Face Datasets 批量重命名列遇到重名怎样处理

批量重命名列遇到重名时，先算出整张Dataset的最终列名，确认每个名称只对应一列，再调用rename_columns。两个旧列指向同一新名，以及新名撞上未改名列，都应在业务侧明确解决；重命名不会替你决定合并还是丢弃数据。

官方文档：https://huggingface.co/docs/datasets/en/package_reference/main_classes#datasets.Dataset.rename_columns

不要只看映射里的目标名称

假设原列为source、target、group。把source改为target，同时保留原target，就会产生两个target。即使映射字典只有一个值，也不能说明最终名称唯一。

当前官方实现会拒绝不存在的原列、重复的映射目标及空目标名。不同版本和底层路径的错误表现不应作为自动合并契约；应用代码仍应检查整张表的最终名称。

先解决冲突，再一次性改名

下面给出独立的输入处理示例。这些检查属于应用层数据处理逻辑；示例没有在本机执行。

from collections import Counter
from datasets import Dataset

# 演示表只在内存中创建，不读取外部语料
ds = Dataset.from_dict({"source": ["甲"], "target": ["乙"], "group": [1]})
mapping = {"source": "input_text", "target": "output_text"}

# 应用层先计算整张表的最终名称，而不只检查字典的值
unknown = set(mapping) - set(ds.column_names)
if unknown:
    raise ValueError(f"找不到原列：{sorted(unknown)}")
if any(not isinstance(v, str) or not v for v in mapping.values()):
    raise ValueError("新列名必须是非空字符串")
final_names = [mapping.get(name, name) for name in ds.column_names]
duplicates = [name for name, count in Counter(final_names).items() if count > 1]
if duplicates:
    raise ValueError(f"最终列名冲突：{duplicates}")

# 接住返回的新Dataset，原变量ds继续保留
renamed = ds.rename_columns(mapping)
print(renamed.column_names)  # 预期：input_text、output_text、group

若确实不需要已有target，应先确认数据归属，再显式移除那一列；若两列都要保留，给它们不同的新名称；若想合并值，需要另写合并规则。不能通过重复列名表达优先级。

交换列名用一次完整映射

# 明确交换名称，两个最终名称仍然不同
swapped = ds.rename_columns({"source": "target", "target": "source"})
# 原source的数据现在由target名称访问
print(swapped["target"][0])  # 预期：甲

逐次单列改名会先撞上尚未腾出的名称；完整映射表达的是对原列名的统一替换。这里交换的是名称归属，不是将两列值混合。

改名后更新下游字段约定

rename_columns返回改名后的Dataset，并将相关features移到新名称下。训练脚本、预处理函数和导出配置中使用的字段名应同步更新。建议把映射作为一次数据准备操作的明确输入保存，避免上游字段变化时静默跳过。

两个旧列可以改成同一个新列吗？

不能把它当成合并操作。先定义值的合并和缺失值处理规则，再构造目标列。

DatasetDict可以直接照搬吗？

批量改名会作用于各split。先明确每个split的列是否一致，不能只用train的列名推断其他split。

实现参考：https://github.com/huggingface/datasets/blob/main/src/datasets/arrow_dataset.py。