무료 온라인 액세스 Databricks.Associate-Developer-Apache-Spark.v2022-07-14.q65 모의 시험 (Page 5)

Associate-Developer-Apache-Spark 문제 16

다음 코드 블록 중 문자 i가 포함된 DataFrame itemsDf의 열 속성에 있는 모든 항목이 나열되는 단일 열이 있는 DataFrame을 반환하는 코드 블록은 무엇입니까?
DataFrame 항목Df 샘플:
1.+------+----------------------------------+----- ----------------------+----------------------+
2.|itemId|itemName |속성 |공급자 |
3.+---+----------------------------------+----- ----------------------+----------------------+
4.|1 |눈길 걷기용 두꺼운 코트|[파랑, 겨울, 포근함] |스포츠컴퍼니|
5.|2 |우아한 아웃도어 여름 드레스 |[레드, 서머, 프레쉬, 쿨링]|YetiX |
6.|3 |아웃도어 백팩 |[그린, 여름, 여행] |스포츠 컴퍼니|
7.+------+----------------------------------+----- ----------------------+----------------------+

A. itemsDf.select(explode("attributes").alias("attributes_exploded")).filter(attributes_exploded.contains("i"))

B. itemsDf.explode(속성).alias("속성_폭발").필터(col("속성_폭발").contains("i"))

C. itemsDf.select(explode("attributes")).filter("attributes_exploded".contains("i"))

D. itemsDf.select(explode("attributes").alias("attributes_exploded")).filter(col("attributes_exploded").contain

E. itemsDf.select(col("attributes").explode().alias("attributes_exploded")).filter(col("attributes_exploded").co

Associate-Developer-Apache-Spark 문제 17

다음 코드 블록 중 타임스탬프 유형의 날짜 열이 있는 새로운 1열, 2행 DataFrame dfDates를 생성하는 것은 무엇입니까?

A. 1.dfDates = spark.createDataFrame(["23/01/2022 11:28:12","24/01/2022 10:58:34"], ["날짜"])
2.dfDates = dfDates.withColumn("날짜", to_timestamp("dd/MM/yyyy HH:mm:ss", "날짜"))

B. 1.dfDates = spark.createDataFrame([("23/01/2022 11:28:12",),("24/01/2022 10:58:34",)], ["날짜" ])
2.dfDates = dfDates.withColumnRenamed("날짜", to_timestamp("날짜", "yyyy-MM-dd HH:mm:ss"))

C. 1.dfDates = spark.createDataFrame([("23/01/2022 11:28:12",),("24/01/2022 10:58:34",)], ["날짜" ])
2.dfDates = dfDates.withColumn("날짜", to_timestamp("날짜", "dd/MM/yyyy HH:mm:ss"))

D. 1.dfDates = spark.createDataFrame(["23/01/2022 11:28:12","24/01/2022 10:58:34"], ["날짜"])
2.dfDates = dfDates.withColumnRenamed("날짜", to_datetime("날짜", "yyyy-MM-dd HH:mm:ss"))

E. 1.dfDates = spark.createDataFrame([("23/01/2022 11:28:12",),("24/01/2022 10:58:34",)], ["날짜" ])

정답: C

설명
이 질문은 까다롭습니다. 여기서 알아야 할 두 가지 중요한 사항은 다음과 같습니다.
먼저 createDataFrame 구문: [(1,), (2,)]와 같은 튜플 목록이 필요합니다. 파이썬에서 튜플을 정의하려면 항목이 하나만 있는 경우 항목 뒤에 쉼표를 넣어 파이썬이 일반 괄호가 아닌 튜플로 해석하도록 하는 것이 중요합니다.
둘째, to_timestamp 구문을 이해해야 합니다. 아래 링크된 문서에서 자세한 내용을 확인할 수 있습니다.
올바른 측정을 위해 잘못된 옵션이 잘못된 이유를 자세히 살펴보겠습니다.
dfDates = spark.createDataFrame([("23/01/2022 11:28:12",),("24/01/2022 10:58:34",)], ["date"]) 이 코드 조각은 날짜 열의 데이터 유형이 타임스탬프가 아닌 문자열이라는 점을 제외하고 질문이 요구하는 모든 것. 스키마가 지정되지 않으면 Spark는 문자열 데이터 유형을 기본값으로 설정합니다.
dfDates = spark.createDataFrame(["23/01/2022 11:28:12","24/01/2022 10:58:34"], ["날짜"]) dfDates = dfDates.withColumn("날짜", to_timestamp("dd/MM/yyyy HH:mm:ss", "date")) 이 명령의 첫 번째 행에서 Spark는 다음 오류를 발생시킵니다. TypeError: Can not infer schema for type:
<클래스 'str'>. 이는 Spark가 행 정보를 찾을 것으로 예상하지만 대신 문자열을 찾기 때문입니다. 이것이 데이터를 튜플로 지정해야 하는 이유입니다. 다행스럽게도 Spark 문서(아래에 링크됨)는 여기에서 올바른 방향으로 나아가는 데 도움이 되는 DataFrames 생성에 대한 여러 예를 보여줍니다.
dfDates = spark.createDataFrame([("23/01/2022 11:28:12",),("24/01/2022 10:58:34",)], ["날짜"]) dfDates = dfDates. withColumnRenamed("date", to_timestamp("date", "yyyy-MM-dd HH:mm:ss")) 이 답변의 문제는 withColumnRenamed 연산자가 사용된다는 것입니다. 이 연산자는 단순히 열의 이름을 바꾸지만 실제 내용을 수정할 권한은 없습니다. 이것이 대신 withColumn을 사용해야 하는 이유입니다. 또한 날짜 형식 yyyy-MM-dd HH:mm:ss는 실제 타임스탬프 형식인 "23/01/2022 11:28:12"를 반영하지 않습니다.
dfDates = spark.createDataFrame(["23/01/2022 11:28:12","24/01/2022 10:58:34"], ["날짜"]) dfDates = dfDates.withColumnRenamed("날짜", to_datetime("date", "yyyy-MM-dd HH:mm:ss")) 여기서 withColumnRenamed는 withColumn 대신 사용됩니다(위 참조). 또한 행이 올바르게 표현되지 않습니다. 괄호를 사용하여 튜플로 작성해야 합니다. 마지막으로 날짜 형식도 여기에서 꺼져 있습니다(위 참조).
추가 정보: pyspark.sql.functions.to_timestamp - PySpark 3.1.2 문서 및 pyspark.sql.SparkSession.createDataFrame - PySpark 3.1.1 문서 정적 노트북 | 동적 노트북: 테스트 2 참조

Associate-Developer-Apache-Spark 문제 18

다음 코드 블록 중 transactionDf 테이블의 predError 열에 대한 Python 함수 to_limit를 적용하여 transactionId 및 result 열이 있는 DataFrame을 반환하는 코드는 무엇입니까?

A. 1.spark.udf.register("LIMIT_FCN", to_limit)
2.spark.sql("SELECT transactionId, LIMIT_FCN(predError) AS result FROM transactionDf") (정확)

B. 1.spark.udf.register("LIMIT_FCN", to_limit)
2.spark.sql("select transactionId, LIMIT_FCN(predError) FROM transactionDf AS 결과")

C. 1.spark.udf.register("LIMIT_FCN", to_limit)
2.spark.sql("SELECT transactionId, to_limit(predError) AS 결과 FROM transactionDf") spark.sql("SELECT transactionId, udf(to_limit(predError)) AS 결과 FROM transactionDf")

D. 1.spark.udf.register(to_limit, "LIMIT_FCN")
2.spark.sql("select transactionId, LIMIT_FCN(predError) AS 결과 FROM transactionDf")

Associate-Developer-Apache-Spark 문제 19

다음 코드 블록 중 DataFrame transactionDf의 predError 열에 지정된 숫자를 포함하여 모든 행에 0부터 모든 정수 배열이 포함된 1열 DataFrame을 반환하고 predError가 null인 경우 null을 반환하는 코드 블록은 무엇입니까?
DataFrame 트랜잭션의 샘플Df:
1.+-------------+---------+-----+------+--------- +----+
2.|transactionId|predError|value|storeId|productId| f|
3.+-------------+---------+-----+------+--------- +----+
4.| 1| 3| 4| 25| 1|널|
5.| 2| 6| 7| 2| 2|널|
6.| 3| 3| 널| 25| 3|널|
7.| 4| 널| 널| 3| 2|널|
8.| 5| 널| 널| 널| 2|널|
9.| 6| 3| 2| 25| 2|널|
10.+-------------+---------+-----+------+--------- +----+

A. 1.def count_to_target(대상):
2. 대상이 없음인 경우:
3. 반환
4.
5. 결과 = [범위(대상)]
6. 결과 반환
7.
8.count_to_target_udf = udf(count_to_target, ArrayType[정수형])
9.
10.transactionsDf.select(count_to_target_udf(col('predError')))

B. 1.def count_to_target(대상):
2. 대상이 없음인 경우:
3. 반환
4.
5. 결과 = 목록(범위(대상))
6. 결과 반환
7.
8.transactionsDf.select(count_to_target(col('predError')))

C. 1.def count_to_target(대상):
2. 대상이 없음인 경우:
3. 반환
4.
5. 결과 = 목록(범위(대상))
6. 결과 반환
7.
8.count_to_target_udf = udf(count_to_target, ArrayType(정수형()))
9.
10.transactionsDf.select(count_to_target_udf('predError'))
(옳은)

D. 1.def count_to_target(대상):
2. 결과 = 목록(범위(대상))
3. 결과 반환
4.
5.count_to_target_udf = udf(count_to_target, ArrayType(IntegerType()))
6.
7.df = transactionDf.select(count_to_target_udf('predError'))

E. 1.def count_to_target(대상):
2. 대상이 없음인 경우:
3. 반환
4.
5. 결과 = 목록(범위(대상))
6. 결과 반환
7.
8.count_to_target_udf = udf(count_to_target)
9.
10.transactionsDf.select(count_to_target_udf('predError'))

Associate-Developer-Apache-Spark 문제 20

아래 표시된 코드 블록은 storeId 열의 값이 25인 DataFrame transactionDf의 최대 5개 행을 Python 목록으로 변환해야 합니다. 이를 수행하려면 코드 블록의 공백을 올바르게 채우는 답을 선택하십시오.
코드 블록:
transactionDf.__1__(__2__).__3__(__4__)

A. 1. 필터
2. "storeId"==25
3. 수집
4. 5

B. 1. 필터
2. col("storeId")==25
3. toLocalIterator
4. 5

C. 1. 선택
2. storeId==25
3. 머리
4. 5

D. 1. 필터
2. col("storeId")==25
3. 가져가다
4. 5

E. 1. 필터
2. col("storeId")==25
3. 수집
4. 5

프리미엄 번들

DumpTop 에서 공유하는 최신 Associate-Developer-Apache-Spark 시험 덤프는 Associate-Developer-Apache-Spark 시험패스를 도와드릴수 있습니다! DumpTop 은 최근 업데이트된 Associate-Developer-Apache-Spark 시험자료를 제공해드립니다. DumpTop Associate-Developer-Apache-Spark 덤프도 시험문제 변경에 따라 업데이트되었으며 오답도 수정되었습니다. DumpTop Associate-Developer-Apache-Spark 덤프 최신버전을 공유받아보세요.

Associate-Developer-Apache-Spark 덤프 프리미엄 버전 액세스

(179 Q&As 덤프, 30%OFF할인코드: KrDump)

다른 버전: 444Databricks.Associate-Developer-Apache-Spark.v2025-12-04.q64; 625Databricks.Associate-Developer-Apache-Spark.v2023-08-28.q61; 950Databricks.Associate-Developer-Apache-Spark.v2022-10-20.q61; 1219Databricks.Associate-Developer-Apache-Spark.v2022-01-27.q63

최근 업로드: 233ACAMS.CAMS.v2026-01-15.q822; 153Microsoft.GH-300.v2026-01-15.q65; 132NACE.NACE-CIP1-001.v2026-01-15.q34; 156Salesforce.MCE-Admn-201.v2026-01-14.q54; 155Salesforce.MC-101.v2026-01-14.q41; 162Google.Professional-Cloud-Architect.v2026-01-14.q101; 142RUCKUS.RCWA.v2026-01-14.q48; 139SOCRA.CCRP.v2026-01-14.q43; 130CompTIA.FC0-U71.v2026-01-13.q88; 192APICS.CPIM.v2026-01-13.q161