如何在df拆分期间维护我的列模式？

import pandas as pd

# 假设df是原始数据
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 拆分df
df1 = df[['A']]
df2 = df[['B']]

# 合并拆分后的数据并重新设置列顺序
df_merged = pd.concat([df1, df2], axis=1).reindex(columns=df.columns)

# 输出合并后的数据
print(df_merged)

import org.apache.spark.sql.SparkSession

// 创建SparkSession
val spark = SparkSession.builder().appName("ColumnModeMaintenance").getOrCreate()

// 假设df是原始数据
val df = spark.createDataFrame(Seq((1, 4), (2, 5), (3, 6))).toDF("A", "B")

// 拆分df
val df1 = df.select("A")
val df2 = df.select("B")

// 合并拆分后的数据并重新设置列顺序
val dfMerged = df1.join(df2).withColumn("B", df2("B")).select(df("A"), df("B"))

// 输出合并后的数据
dfMerged.show()

-- 假设df是原始数据
CREATE TABLE df (A INT, B INT);

-- 拆分df
CREATE TABLE df1 AS SELECT A FROM df;
CREATE TABLE df2 AS SELECT B FROM df;

-- 合并拆分后的数据并重新设置列顺序
SELECT df1.A, df2.B FROM df1 JOIN df2;

-- 删除临时表
DROP TABLE df1;
DROP TABLE df2;