무료 온라인 액세스 Databricks.Associate-Developer-Apache-Spark.v2023-08-28.q61 모의 시험 (Page 3)

Associate-Developer-Apache-Spark 문제 6

다음 코드 블록 중 시즌 열이 문자열 데이터 유형이고 열 wind_speed_ms 데이터 유형이 double인 두 개의 열 season과 wind_speed_ms가 있는 새 DataFrame을 생성하는 코드 블록은 무엇입니까?

A. spark.DataFrame({"계절": ["겨울","여름"], "wind_speed_ms": [4.5, 7.5]})

B. spark.createDataFrame([("여름", 4.5), ("겨울", 7.5)], ["계절", "wind_speed_ms"])

C. 1. pyspark.sql에서 T로 가져오기 유형
2. spark.createDataFrame((("여름", 4.5), ("겨울", 7.5)), T.StructType([T.StructField("계절",

D. CharType()), T.StructField("season", T.DoubleType())]))

E. spark.newDataFrame([("여름", 4.5), ("겨울", 7.5)], ["계절", "wind_speed_ms"])

F. spark.createDataFrame({"season": ["winter","summer"], "wind_speed_ms": [4.5, 7.5]})

정답: B

설명
spark.createDataFrame([("여름", 4.5), ("겨울", 7.5)], ["계절", "wind_speed_ms"]) 맞습니다. 이 명령은 Spark 세션의 createDataFrame 메서드를 사용하여 새 DataFrame을 생성합니다. 여기에서 행, 열 및 열 이름이 어떻게 전달되는지 확인하십시오. 행은 Python 목록으로 지정됩니다. 목록의 모든 항목은 새 행입니다. 열은 Python 튜플(예: ("summer", 4.5))로 지정됩니다. 모든 열은 튜플의 한 항목입니다.
열 이름은 createDataFrame()의 두 번째 인수로 지정됩니다. 문서(아래 링크)는 "스키마가 열 이름 목록인 경우 각 열의 유형은 데이터에서 유추됩니다"(첫 번째 인수)를 보여줍니다. 값 4.5와 7.5는 모두 float 변수이므로 Spark는 wind_speed_ms 열에 대한 double 유형을 올바르게 유추합니다. 열의 모든 값이 주어진 경우
"season"에는 문자열만 포함되며 Spark는 해당 열을 문자열로 적절하게 캐스팅합니다.
아래 링크를 통해 SparkSession.createDataFrame()에 대해 자세히 알아보세요.
spark.newDataFrame([("summer", 4.5), ("winter", 7.5)], ["season", "wind_speed_ms"]) 아니요, SparkSession에는 newDataFrame 메서드가 없습니다.
pyspark.sql에서 가져오기 유형을 T로 가져오기
spark.createDataFrame((("여름", 4.5), ("겨울", 7.5)), T.StructType([T.StructField("계절",
T.CharType()), T.StructField("season", T.DoubleType())]))
아니요. pyspark.sql.types에는 CharType 유형이 없습니다. Spark에서 사용 가능한 데이터 유형은 아래 링크를 참조하세요.
spark.createDataFrame({"season": ["winter","summer"], "wind_speed_ms": [4.5, 7.5]}) 아니요, 이것은 올바른 Spark 구문이 아닙니다. 이 옵션이 올바르다고 생각했다면 Python의 pandas 패키지에 대한 경험이 있을 수 있으며 올바른 구문입니다. Pandas DataFrame에서 Spark DataFrame을 만들려면 pandasDf가 Pandas DataFrame인 spark.createDataFrame(pandasDf)를 사용하면 됩니다.
아래 링크된 SparkSession.createDataFrame 설명서의 예제를 사용하여 Spark 구문 옵션에 대해 자세히 알아보세요.
spark.DataFrame({"season": ["winter","summer"], "wind_speed_ms": [4.5, 7.5]}) 아니요, Spark 세션(위 코드에서 spark로 표시됨)에는 DataFrame 메서드가 없습니다. .
추가 정보: pyspark.sql.SparkSession.createDataFrame - PySpark 3.1.1 문서 및 데이터 유형 - Spark 3.1.2 문서 정적 노트북 | 동적 노트북: 테스트 1 참조

Associate-Developer-Apache-Spark 문제 7

다음 코드 블록 중 플로트 유형 값만 포함하는 Python 목록 throughputRates의 모든 항목에 대한 단일 열 DataFrame을 반환하는 것은 무엇입니까?

A. spark.createDataFrame((throughputRates), FloatType)

B. spark.createDataFrame(throughputRates, FloatType)

C. spark.DataFrame(throughputRates, FloatType)

D. spark.createDataFrame(throughputRates)

E. spark.createDataFrame(throughputRates, FloatType())

Associate-Developer-Apache-Spark 문제 8

아래 표시된 코드 블록에 오류가 있습니다. 코드 블록은 predError가 3 또는 6인 행의 수를 세어야 합니다. 오류를 찾으십시오.
코드 블록:
transactionDf.filter(col('predError').in([3, 6])).count()

A. count() 연산자로 행 수를 결정할 수 없습니다.

B. 필터 대신 선택 방식을 사용해야 합니다.

C. predError 열에 사용된 방법이 올바르지 않습니다.

D. 목록 대신 값을 단일 인수로 in 연산자에 전달해야 합니다.

E. 숫자 3과 6은 문자열 변수로 전달되어야 합니다.

Associate-Developer-Apache-Spark 문제 9

아래 표시된 코드 블록은 dataFrames itemsDf 및 transactionDf의 결합된 정보와 함께 transactionId 및 supplier 열이 있는 2열 DataFrame을 반환해야 합니다. 코드 블록은 DataFrame transactionDf의 productId 열이 DataFrame itemsDf의 itemId 열 값과 일치하지만 DataFrame transactionDf의 storeId 열이 DataFrame itemsDf의 itemId 열과 일치하지 않는 행을 병합해야 합니다. 이 작업을 수행하려면 코드 블록의 빈칸을 올바르게 채우는 답을 선택하십시오.
코드 블록:
transactionDf.__1__(itemsDf, __2__).__3__(__4__)

A. 1. 가입
2. transactionDf.productId==itemsDf.itemId, how="inner"
3. 선택
4. "거래 ID", "공급자"

B. 1. 선택
2. "거래 ID", "공급자"
3. 가입
4. [transactionsDf.storeId!=itemsDf.itemId, transactionsDf.productId==itemsDf.itemId]

C. 1. join
2. [transactionsDf.productId==itemsDf.itemId, transactionsDf.storeId!=itemsDf.itemId]
3. select
4. "transactionId", "supplier"

D. 1. filter
2. "transactionId", "supplier"
3. join
4. "transactionsDf.storeId!=itemsDf.itemId, transactionsDf.productId==itemsDf.itemId"

E. 1. join
2. transactionsDf.productId==itemsDf.itemId, transactionsDf.storeId!=itemsDf.itemId
3. filter
4. "transactionId", "supplier"

정답: C

Explanation
This question is pretty complex and, in its complexity, is probably above what you would encounter in the exam. However, reading the question carefully, you can use your logic skills to weed out the wrong answers here.
먼저 모든 답변에 공통되는 조인 문을 살펴봐야 합니다. join() 연산자(아래에 링크된 문서)의 첫 번째 인수는 조인할 DataFrame입니다. 조인이 간격 3에 있는 경우 간격 4의 첫 번째 인수는 다른 DataFrame이어야 합니다. 조인이 세 번째 간격에 있는 질문 중 어느 것도 해당되지 않습니다. 따라서 두 가지 답변을 즉시 버릴 수 있습니다.
다른 모든 답변의 경우, 코드 블록에 따라 .(itemsDf가 뒤따르는 갭 1에 join이 있습니다. join() 연산자가 호출되는 방식을 감안할 때 이제 세 개의 남은 후보가 있습니다.
문서에 따르면 join() 문을 자세히 살펴보면 두 번째 인수(on=)는 "조인 열 이름에 대한 문자열, 열 이름 목록, 조인 식(열) 또는 열 목록"을 기대합니다. . 하나의 답변 옵션에는 설명서에 따라 지원되지 않는 조인 식 목록(transactionsDf.productId==itemsDf.itemId, transactionDf.storeId!=itemsDf.itemId)이 포함되어 있으므로 해당 답변을 무시하고 두 개의 남은 후보를 남길 수 있습니다.
두 후보 모두 유효한 구문을 가지고 있지만 그 중 하나만 "DataFrame transactionDf의 storeId 열이 DataFrame itemsDf의 itemId 열과 일치하지 않는 경우에만" 질문의 조건을 충족합니다. 따라서 이 하나의 남은 답변 옵션은 정답이어야 합니다!
보시다시피, 때로는 처음에는 압도적이지만 시험 중에 문서에서 얻을 수 있는 지식을 엄격하게 적용하면 훨씬 더 복잡한 문제를 파악할 수 있습니다.
추가 정보: pyspark.sql.DataFrame.join - PySpark 3.1.2 문서
정적 노트북 | 동적 노트북: 테스트 3 참조

Associate-Developer-Apache-Spark 문제 10

The code block displayed below contains an error. The code block should return the average of rows in column value grouped by unique storeId. Find the error.
Code block:
transactionsDf.agg("storeId").avg("value")

A. Instead of avg("value"), avg(col("value")) should be used.

B. The avg("value") should be specified as a second argument to agg() instead of being appended to it.

C. All column names should be wrapped in col() operators.

D. agg should be replaced by groupBy.

E. "storeId" and "value" should be swapped.

다른 버전: 444Databricks.Associate-Developer-Apache-Spark.v2025-12-04.q64; 950Databricks.Associate-Developer-Apache-Spark.v2022-10-20.q61; 1382Databricks.Associate-Developer-Apache-Spark.v2022-07-14.q65; 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