Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Gibt einen neuen DataFrame zurück, der die Vereinigung von Zeilen in diesem und einem anderen DataFrame enthält.
Syntax
unionByName(other: "DataFrame", allowMissingColumns: bool = False)
Parameter
| Parameter | Typ | Beschreibung |
|---|---|---|
other |
DataFrame | Ein weiterer DataFrame, der kombiniert werden muss. |
allowMissingColumns |
bool, optional, default False | Geben Sie an, ob fehlende Spalten zulässig sind. |
Rückkehr
DataFrame: Ein neuer DataFrame, der die kombinierten Zeilen mit den entsprechenden Spalten der beiden angegebenen DataFrames enthält.
Hinweise
Diese Methode führt einen Union-Vorgang für beide Eingabedatenframes durch und löst Spalten nach Namen (anstelle der Position) auf. Wenn allowMissingColumns "True" ist, werden fehlende Spalten mit NULL gefüllt.
Beispiele
df1 = spark.createDataFrame([[1, 2, 3]], ["col0", "col1", "col2"])
df2 = spark.createDataFrame([[4, 5, 6]], ["col1", "col2", "col0"])
df1.unionByName(df2).show()
# +----+----+----+
# |col0|col1|col2|
# +----+----+----+
# | 1| 2| 3|
# | 6| 4| 5|
# +----+----+----+
df1 = spark.createDataFrame([[1, 2, 3]], ["col0", "col1", "col2"])
df2 = spark.createDataFrame([[4, 5, 6]], ["col1", "col2", "col3"])
df1.unionByName(df2, allowMissingColumns=True).show()
# +----+----+----+----+
# |col0|col1|col2|col3|
# +----+----+----+----+
# | 1| 2| 3|NULL|
# |NULL| 4| 5| 6|
# +----+----+----+----+