unionByName
Renvoie un nouveau DataFrame contenant l'union des lignes de celui-ci et d'un autre DataFrame.
Syntaxe
unionByName(other: "DataFrame", allowMissingColumns: bool = False)
parameter
parameter | Type | Description |
|---|---|---|
| DataFrame | Un autre DataFrame qui doit être combiné. |
| bool, facultatif, default : false | Spécifiez s'il faut autoriser les colonnes manquantes. |
Renvoie
DataFrame: Un nouveau DataFrame contenant les lignes combinées avec les colonnes correspondantes des deux DataFrames donnés.
Notes
Cette méthode effectue une Opérations d'union sur les deux DataFrames d'entrée, résolvant les colonnes par nom (plutôt que par position). Lorsque allowMissingColumns est vrai, les colonnes manquantes seront remplies avec null.
Exemples
Python
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|
# +----+----+----+----+