返回一个新的数据帧，其中包含此数据帧和另一个 DataFrame 中的行的联合。
Syntax
unionByName(other: "DataFrame", allowMissingColumns: bool = False)
参数
| 参数 | 类型 | 说明 |
|---|---|---|
other |
DataFrame | 需要组合的另一个数据帧。 |
allowMissingColumns |
bool、optional、default False | 指定是否允许缺少的列。 |
退货
DataFrame：包含组合行的新数据帧，其中包含两个给定数据帧的对应列。
备注
此方法对两个输入数据帧执行联合操作，按名称（而不是位置）解析列。 如果 allowMissingColumns 为 True，则缺少的列将填充 null。
示例
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|
# +----+----+----+----+