La combinación de DataFrames recibe otro DataFrame, una condición o una clave compartida y un tipo de combinación. Una combinación izquierda conserva los registros de la izquierda; left_semi y left_anti comprueban si existe o no una coincidencia sin añadir campos del lado derecho. Una combinación cruzada produce todas las combinaciones, lo que sirve para una pequeña cuadrícula de planificación y resulta costoso con entradas grandes.
Antes de combinar pedidos con clientes, cambia el nombre del id de cliente a customer_id y selecciona solo los campos de cliente que necesitas. Así evitas referencias ambiguas a id después. Una unión apila filas en lugar de relacionar claves. union alinea por posición, mientras que unionByName alinea por nombres; ninguna de las dos quita duplicados automáticamente. Los ejemplos usan la alineación por nombre cuando las columnas de origen tienen posiciones distintas. Spark distribuido puede hacer shuffle de los datos para ejecutar una combinación. Este simulador local comprueba las filas, no un tiempo de ejecución de producción.
Usa una combinación izquierda para que sobreviva el pedido sin clave de cliente.