무료 온라인 액세스 Databricks.Associate-Developer-Apache-Spark.v2022-10-20.q61 모의 시험 (Page 8)

Associate-Developer-Apache-Spark 문제 31

아래에 표시된 코드 블록에 오류가 있습니다. 코드 블록은 조인 또는 집계를 위해 실행자 간에 데이터를 교환할 때 데이터를 20개 부분으로 분할하도록 Spark를 구성해야 합니다. 오류를 찾으십시오.
코드 블록:
spark.conf.set(spark.sql.shuffle.partitions, 20)

A. 코드 블록이 옵션을 설정하는 데 잘못된 명령을 사용합니다.

B. 코드 블록이 잘못된 옵션을 설정합니다.

C. 코드 블록이 옵션을 잘못 표현합니다.

D. 코드 블록이 잘못된 부품 수를 설정합니다.

E. 코드 블록에 매개변수가 없습니다.

Associate-Developer-Apache-Spark 문제 32

아래 표시된 코드 블록은 DataFrame transactionDf를 csvPath 경로의 디스크에 단일 CSV 파일로 작성하고 탭(\t 문자)을 열 사이의 구분 기호로 사용하고 누락된 값을 문자열 n/a로 표현하고 열 이름이 있는 헤더 행을 생략해야 합니다. 이를 수행하려면 코드 블록의 공백을 올바르게 채우는 답을 선택하십시오.
transactionDf.__1__.write.__2__(__3__, " ").__4__.__5__(csvPath)

A. 1. 합체(1)
2. 옵션
3. "셉"
4. 옵션("헤더", True)
5. 경로

B. 1. 합체(1)
2. 옵션
3. "콜셉"
4. 옵션("null값", "해당 없음")
5. 경로

C. 1. 재분할(1)
2. 옵션
3. "셉"
4. 옵션("null값", "해당 없음")
5. CSV
(옳은)

D. 1. csv
2. 옵션
3. "셉"
4. 옵션("emptyValue", "n/a")
5. 경로
* 1. 재분할(1)
2. 모드
3. "셉"
4. 모드("nullValue", "n/a")
5. CSV

Associate-Developer-Apache-Spark 문제 33

다음 코드 블록 중 타임스탬프 유형의 날짜 열이 있는 새로운 1열, 2행 DataFrame dfDates를 만드는 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. Python에서 튜플을 정의하려면 항목이 하나만 있는 경우 항목 뒤에 쉼표를 넣어 Python이 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 질문이 요구하는 모든 것 - 날짜 열의 데이터 유형이 타임스탬프가 아닌 문자열이라는 점을 제외하고. 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 34

아래에 표시된 코드 블록에 오류가 있습니다. 아래 코드 블록이 실행되면 storeId 및 transactionDate 열(이 순서대로)을 기반으로 DataFrame transactionDf를 14개 부분으로 나누어야 합니다. 오류를 찾으십시오.
코드 블록:
transactionDf.coalesce(14, ("storeId", "transactionDate"))

A. 열 이름 주위의 괄호를 제거하고 .select()를 코드 블록에 추가해야 합니다.

B. 연산자 병합을 재분할로 대체해야 하고 열 이름 주위의 괄호를 제거해야 하며 .count()를 코드 블록에 추가해야 합니다.
(옳은)

C. 연산자 병합을 재분할로 대체해야 하고 열 이름 주위의 괄호를 제거해야 하며 .select()를 코드 블록에 추가해야 합니다.

D. 연산자 병합은 재분할로 대체되어야 하고 열 이름 주위의 괄호는 대괄호로 대체되어야 합니다.

E. 연산자 병합을 재분할로 대체해야 합니다.

Associate-Developer-Apache-Spark 문제 35

아래 표시된 코드 블록은 itemId 및 col의 두 열이 있는 DataFrame을 반환해야 합니다. 이 DataFrame에서 DataFrame itemDf의 열 속성에 있는 각 요소에 대해 itemId 열에 DataFrame itemsDf의 연결된 itemId가 포함된 별도의 행이 있어야 합니다. 새 DataFrame은 열 속성이 cosy 요소를 포함하는 DataFrame itemsDf의 행에 대한 행만 포함해야 합니다.
DataFrame itemsDf의 샘플은 아래와 같습니다.
코드 블록:
항목Df.__1__(__2__).__3__(__4__, __5__(__6__))

A. 1. 필터
2. array_contains("아늑한")
3. 선택
4. "항목 ID"
5. 폭발하다
6. "속성"

B. 1. 어디에
2. "array_contains(속성, '코지')"
3. 선택
4. 아이템 아이디
5. 폭발하다
6. 속성

C. 1. 필터
2. "array_contains(속성, '코지')"
3. 선택
4. "항목 ID"
5. 지도
6. "속성"

D. 1. 필터
2. "array_contains(속성, 아늑한)"
3. 선택
4. "항목 ID"
5. 폭발하다
6. "속성"

E. 1. 필터
2. "array_contains(속성, '코지')"
3. 선택
4. "항목 ID"
5. 폭발하다
6. "속성"

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