array_union

Devuelve una nueva matriz que contiene la unión de elementos en col1 y col2, sin duplicados.

Syntax

from pyspark.sql import functions as sf

sf.array_union(col1, col2)

Parámetros

Parámetro	Tipo	Description
col1	pyspark.sql.Column o str	Nombre de la columna que contiene la primera matriz.
col2	pyspark.sql.Column o str	Nombre de columna que contiene la segunda matriz.

Devoluciones

pyspark.sql.Column: una nueva matriz que contiene la unión de elementos en col1 y col2.

Examples

Ejemplo 1: Uso básico

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["b", "a", "c"], c2=["c", "d", "a", "f"])])
df.select(sf.sort_array(sf.array_union(df.c1, df.c2))).show()

+-------------------------------------+
|sort_array(array_union(c1, c2), true)|
+-------------------------------------+
|                      [a, b, c, d, f]|
+-------------------------------------+

Ejemplo 2: Unión sin elementos comunes

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["b", "a", "c"], c2=["d", "e", "f"])])
df.select(sf.sort_array(sf.array_union(df.c1, df.c2))).show()

+-------------------------------------+
|sort_array(array_union(c1, c2), true)|
+-------------------------------------+
|                   [a, b, c, d, e, f]|
+-------------------------------------+

Ejemplo 3: Unión con todos los elementos comunes

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["a", "b", "c"], c2=["a", "b", "c"])])
df.select(sf.sort_array(sf.array_union(df.c1, df.c2))).show()

+-------------------------------------+
|sort_array(array_union(c1, c2), true)|
+-------------------------------------+
|                            [a, b, c]|
+-------------------------------------+

Ejemplo 4: Unión con valores NULL

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["a", "b", None], c2=["a", None, "c"])])
df.select(sf.sort_array(sf.array_union(df.c1, df.c2))).show()

+-------------------------------------+
|sort_array(array_union(c1, c2), true)|
+-------------------------------------+
|                      [NULL, a, b, c]|
+-------------------------------------+

Ejemplo 5: Unión con matrices vacías

from pyspark.sql import Row, functions as sf
from pyspark.sql.types import ArrayType, StringType, StructField, StructType
data = [Row(c1=[], c2=["a", "b", "c"])]
schema = StructType([
  StructField("c1", ArrayType(StringType()), True),
  StructField("c2", ArrayType(StringType()), True)
])
df = spark.createDataFrame(data, schema)
df.select(sf.sort_array(sf.array_union(df.c1, df.c2))).show()

+-------------------------------------+
|sort_array(array_union(c1, c2), true)|
+-------------------------------------+
|                            [a, b, c]|
+-------------------------------------+