Como preencher o Mapa[string,Dataframe] como uma coluna em uma Dataframe em scala

Você está pedindo para gerar uma linha por dataframe. Cuidado, se um dos dataframes é grande o suficiente para que ele não pode ser contida em um único executor, esse código irá quebrar.

Primeiro vamos gerar dados e o mapa dfs do tipo Map[String, DataFrame].

val df1 = Seq((1, "aaa", 23), (2, "bbb", 34)).toDF("id", "name", "age")
val df2 = Seq(("ludo", 10, 20), ("rummy", 10, 40)).toDF("game", "time", "score")
dfs = Seq(df1, df2)

Em seguida, para cada dataframe do mapa, que geram duas colunas. big_map associa cada nome de coluna do dataframe o seu valor (cast, na seqüência de ter uma consistente tipo). df simplesmente contém o nome do dataframe. Temos, então, a união de todos os dataframes com reduce e grupo de name (essa é a parte onde todos dataframe acaba inteiramente em uma linha, e, portanto, um executor).

dfs
    .toSeq
    .map{ case (name, df) => df
        .select(map(
             df.columns.flatMap(c => Seq(lit(c), col(c).cast("string"))) : _*
        ) as "big_map")
        .withColumn("df", lit(name))}
    .reduce(_ union _)
    .groupBy("df")
    .agg(collect_list('big_map) as "column1")
    .show(false)

+---+-----------------------------------------------------------------------------------+
|df |column1                                                                            |
+---+-----------------------------------------------------------------------------------+
|df0|[{id -> 1, name -> aaa, age -> 23}, {id -> 2, name -> bbb, age -> 34}]             |
|df1|[{game -> ludo, time -> 10, score -> 20}, {game -> rummy, time -> 10, score -> 40}]|
+---+-----------------------------------------------------------------------------------+

Aqui é uma solução específica para o seu caso de uso:

import org.apache.spark.sql._

def sample(dfs : Map[String, DataFrame])(implicit spark: SparkSession): DataFrame =
  dfs
    .values
    .foldLeft(spark.emptyDataFrame)((acc, df) => acc.union(df))

A vela de sessão é necessária para criar o vazio DataFrame acumulador de dobra.

Alternativamente, se você pode garantir a Map não é vazia.

def sample(dfs : Map[String, DataFrame]): DataFrame =
  dfs
    .values
    .reduce((acc, df) => acc.union(df))