Scala 在没有公共列的情况下连接两个数据帧

我有两个数据帧，它们有不同类型的列。我需要连接这两个不同的数据帧。请参考下面的例子

val df1 has
Customer_name 
Customer_phone
Customer_age

val df2 has
Order_name
Order_ID

这两个数据帧没有任何公共列。两个数据帧中的行数和列数也不同。我尝试插入一个新的伪列以增加行索引值，如下所示 val dfr=df1.withColumn（“行索引”，单调递增的id（））

但由于我使用的是Spark 2，所以不支持单调递增的id方法。有没有办法连接两个dataframe，这样我就可以在一张excel文件中创建两个dataframe的值

比如说

val df1:
Customer_name  Customer_phone  Customer_age
karti           9685684551     24      
raja            8595456552     22

val df2:
Order_name Order_ID
watch       1
cattoy     2

我的最终excel表应如下所示：

Customer_name  Customer_phone  Customer_age   Order_name  Order_ID

karti          9685684551      24             watch        1
   
raja           8595456552      22             cattoy      2

---

单调递增的id（）

是递增的和唯一的，但不是连续的

您可以使用

zipWithIndex

，方法是转换为

rdd

，并为

Dataframe

使用相同的模式重建Dataframe

import spark.implicits._


val df1 = Seq(
  ("karti", "9685684551", 24),
  ("raja", "8595456552", 22)
).toDF("Customer_name", "Customer_phone", "Customer_age")


val df2 = Seq(
  ("watch", 1),
  ("cattoy", 2)
).toDF("Order_name", "Order_ID")

val df11 = spark.sqlContext.createDataFrame(
  df1.rdd.zipWithIndex.map {
    case (row, index) => Row.fromSeq(row.toSeq :+ index)
  },
  // Create schema for index column
  StructType(df1.schema.fields :+ StructField("index", LongType, false))
)


val df22 = spark.sqlContext.createDataFrame(
  df2.rdd.zipWithIndex.map {
    case (row, index) => Row.fromSeq(row.toSeq :+ index)
  },
  // Create schema for index column
  StructType(df2.schema.fields :+ StructField("index", LongType, false))
)

现在加入最后的数据帧

df11.join(df22, Seq("index")).drop("index")

输出：

+-------------+--------------+------------+----------+--------+
|Customer_name|Customer_phone|Customer_age|Order_name|Order_ID|
+-------------+--------------+------------+----------+--------+
|karti        |9685684551    |24          |watch     |1       |
|raja         |8595456552    |22          |cattoy    |2       |
+-------------+--------------+------------+----------+--------+

---

使用以下代码向两个数据帧添加索引列

df1.withColumn("id1",monotonicallyIncreasingId)
df2.withColumn("id2",monotonicallyIncreasingId)

然后使用下面的代码连接两个数据帧并删除索引列

df1.join(df2,col("id1")===col("id2"),"inner")
   .drop("id1","id2")

---

这有点复杂和冗长@ss301的答案更简单。我建议使用单调递增id，因为单调递增id不受欢迎