무료 온라인 액세스 Databricks.Associate-Developer-Apache-Spark.v2022-10-20.q61 모의 시험 (Page 4)

Associate-Developer-Apache-Spark 문제 11

다음 코드 블록 중 predError 열의 제곱근인 DataFrame transactionDf에 predErrorSqrt 열을 추가하는 것은 무엇입니까?

A. transactionDf.withColumn("predErrorSqrt", sqrt(predError))

B. transactionDf.select(sqrt(predError))

C. transactionDf.withColumn("predErrorSqrt", col("predError").sqrt())

D. transactionDf.withColumn("predErrorSqrt", sqrt(col("predError")))

E. transactionDf.select(sqrt("predError"))

정답: D

설명
transactionDf.withColumn("predErrorSqrt", sqrt(col("predError")))
옳은. DataFrame.withColumn() 연산자는 DataFrame에 새 열을 추가하는 데 사용됩니다. 새 열의 이름(여기서는 predErrorSqrt)과 새 열로 열 표현식이라는 두 개의 인수를 사용합니다. PySpark에서 열 표현식은 col("predError") 명령을 사용하거나 transactionDf.predError와 같은 다른 수단을 사용하여 열을 참조하거나 열 이름을 문자열로 사용하는 "predError"를 의미합니다.
질문은 제곱근을 요구합니다. sqrt()는 pyspark.sql.functions의 함수이며 제곱근을 계산합니다. 값 또는 열을 입력으로 사용합니다. col("predError")로 표현된 DataFrame transactionDf의 predError 컬럼이다.
transactionDf.withColumn("predErrorSqrt", sqrt(predError))
잘못된. 이 표현식에서 sqrt(predError)는 잘못된 구문입니다. 이런 식으로 predError를 참조할 수 없습니다. Spark에서는 존재하지 않는 Python 변수 predError를 참조하려는 것처럼 보입니다.
transactionDf.predError, col("predError") (올바른 솔루션에서와 같이) 또는 "predError"를 대신 전달할 수 있습니다.
transactionDf.select(sqrt(predError))
잘못된. 여기에서는 predError를 참조하는 방법에 대한 바로 위에 설명이 적용됩니다.
transactionDf.select(sqrt("predError"))
이것은 올바른 구문이지만 predError 열의 제곱근을 표시하는 열만 포함하는 단일 열 DataFrame을 반환합니다. 그러나 질문은 원래 DataFrame transactionDf에 추가할 열을 요구합니다.
transactionDf.withColumn("predErrorSqrt", col("predError").sqrt())
아니요. 이 문의 문제는 col("predError") 열에 sqrt() 메서드가 없다는 것입니다. sqrt()는 pyspark.sql.functions의 구성원이지만 pyspark.sql.Column의 구성원은 아닙니다.
추가 정보: pyspark.sql.DataFrame.withColumn - PySpark 3.1.2 문서 및 pyspark.sql.functions.sqrt - PySpark 3.1.2 문서 정적 노트북 | 동적 노트북: 테스트 2 참조

Associate-Developer-Apache-Spark 문제 12

다음 코드 블록 중 DataFrame transactionDf의 모든 열과 DataFrame transactionDf에서 predError 열의 제곱 값인 추가 열 predErrorSquared가 있는 DataFrame을 반환하는 코드는 무엇입니까?

A. transactionDf.withColumn("predError", pow(col("predErrorSquared"), 2))

B. transactionDf.withColumnRenamed("predErrorSquared", pow(predError, 2))

C. transactionDf.withColumn("predErrorSquared", pow(col("predError"), lit(2)))

D. transactionDf.withColumn("predErrorSquared", pow(predError, lit(2)))

E. transactionDf.withColumn("predErrorSquared", "predError"**2)

Associate-Developer-Apache-Spark 문제 13

다음 코드 블록 중 DataFrame transactionDf를 /FileStore/transactions.csv 위치에 CSV 파일로 저장하고 해당 위치에 파일이 이미 있는 경우 오류가 발생하는 것은 무엇입니까?

A. transactionDf.write.save("/FileStore/transactions.csv")

B. transactionDf.write.format("csv").mode("error").path("/FileStore/transactions.csv")

C. transactionDf.write.format("csv").mode("ignore").path("/FileStore/transactions.csv")

D. transactionDf.write("csv").mode("error").save("/FileStore/transactions.csv")

E. transactionDf.write.format("csv").mode("error").save("/FileStore/transactions.csv")

Associate-Developer-Apache-Spark 문제 14

행동과 변형의 차이점에 대한 다음 설명 중 옳은 것은?

A. 작업은 느리게 평가되지만 변환은 느리게 평가되지 않습니다.

B. 작업은 RDD를 생성하지만 변환은 생성하지 않습니다.

C. 작업은 결과를 드라이버에 보내지 않지만 변환은 수행합니다.

D. 지연된 실행을 위해 작업을 큐에 넣을 수 있지만 변환은 즉시 처리할 수만 있습니다.

E. 작업은 적응형 쿼리 실행을 트리거할 수 있지만 변환은 할 수 없습니다.

정답: E

설명
작업은 적응형 쿼리 실행을 트리거할 수 있지만 변환은 그렇지 않습니다.
옳은. 적응형 쿼리 실행은 런타임에 쿼리를 최적화합니다. 변환이 느리게 평가되기 때문에 Spark에는 작업이 호출될 때까지 쿼리를 최적화하기 위한 런타임 정보가 없습니다. 적응형 쿼리 실행이 활성화된 경우 Spark는 쿼리를 평가하는 동안 수집한 피드백을 기반으로 쿼리를 최적화하려고 시도합니다.
지연된 실행을 위해 작업을 대기열에 넣을 수 있지만 변환은 즉시 처리될 수만 있습니다.
아니요, Spark에는 "지연된 실행"과 같은 개념이 없습니다. 조치는 지연 평가될 수 없습니다. 즉, 즉시 실행됩니다.
작업은 느리게 평가되는 반면 변환은 느리게 평가되지 않습니다.
틀림, 그 반대입니다. 변환은 느리게 평가되고 작업은 평가를 트리거합니다.
작업은 RDD를 생성하지만 변환은 생성하지 않습니다.
아니요. 변환은 데이터를 변경하고 RDD는 변경할 수 없으므로 도중에 새 RDD를 생성합니다.
작업은 RDD를 기반으로 Python 및 데이터 유형(정수, 목록, 텍스트 파일 등)의 출력을 생성하지만 생성하지는 않습니다.
다음은 작업을 변환과 구별하는 방법에 대한 유용한 정보입니다. 작업이 DataFrame, Dataset 또는 RDD를 반환하면 변환입니다. 그렇지 않으면 행동입니다.
작업은 결과를 드라이버에 보내지 않지만 변환은 수행합니다.
아니요. 작업은 결과를 운전자에게 보냅니다. DataFrame.count() 실행에 대해 생각해 보십시오. 이 명령의 결과는 드라이버에 번호를 반환합니다. 그러나 변환은 결과를 드라이버로 다시 보내지 않습니다. 작업자 노드에 남아 있는 RDD를 생성합니다.
추가 정보: Apache Spark에서 변환과 작업의 차이점은 무엇입니까? | Bartosz Mikulski, 적응형 쿼리 실행으로 SQL 쿼리 속도를 높이는 방법

Associate-Developer-Apache-Spark 문제 15

아래에 표시된 코드 블록에 오류가 있습니다. 코드 블록은 predError, productId 및 value 열을 제외한 DataFrame transactionDf의 모든 열을 반환하기 위한 것입니다. 오류를 찾으십시오.
DataFrame transactionDf 발췌:
transactionDf.select(~col("predError"), ~col("productId"), ~col("값"))

A. select 연산자는 drop 연산자로 대체되어야 하고 drop 연산자에 대한 인수는 열 이름 predError, productId 및 col 연산자로 래핑된 값이어야 하므로 drop(col(predError), col( productId), col(값)).

B. 선택 연산자를 선택 해제 연산자로 바꿔야 합니다.

C. select 연산자의 열 이름은 문자열이 아니어야 하며 col 연산자로 감싸서 select(~col(predError), ~col(productId), ~col(value))와 같이 표현해야 합니다.

D. 선택 연산자는 드롭 연산자로 대체되어야 합니다.

E. 선택 연산자는 삭제 연산자로 대체되어야 하고 삭제 연산자에 대한 인수는 열 이름 predError, productId 및 값이 문자열이어야 합니다.
(옳은)

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; 627Databricks.Associate-Developer-Apache-Spark.v2023-08-28.q61; 1389Databricks.Associate-Developer-Apache-Spark.v2022-07-14.q65; 1220Databricks.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