SPS-C01 문제 71
고객 거래 데이터가 포함된 Snowpark DataFrame이 있습니다. 목표는 이 DataFrame을 'transaction_date' 열을 기준으로 파티션된 Parquet 파일 세트로 기존 Snowflake 스테이지에 저장하는 것입니다. 파일은 Zstandard 코덱을 사용하여 자동으로 압축되고, 동일한 이름의 기존 파일은 덮어쓰기되어야 합니다. 다음 Snowpark 코드 스니펫 중 어떤 것이 가장 최적의 접근 방식으로 모범 사례를 준수하며 이 목표를 달성합니까?
SPS-C01 문제 72
'orders'라는 Snowflake 테이블이 있다고 가정해 보겠습니다. 이 테이블에는 'order_id', 'customer_id', 'order_date', 'status' 열이 있습니다. 2023년 1월 1일 이전에 접수된 모든 주문의 'status'를 'Archived'로 업데이트해야 합니다. 'orders' DataFrame이 'orders' 테이블을 나타낸다고 할 때, Snowflake DataFrame을 사용하여 이 작업을 수행하는 가장 효율적이고 관용적인 방법은 다음 중 무엇일까요?
SPS-C01 문제 73
고객 리뷰를 처리하는 Snowpark 애플리케이션을 개발 중입니다. Anaconda 저장소에는 없는 타사 감정 분석 라이브러리인 'SentimentAnalyzer'를 사용해야 합니다. 해당 라이브러리의 JAR 파일은 HTTP를 통해 접근 가능한 내부 아티팩트 저장소에 저장되어 있습니다. Snowpark 세션에서 이 라이브러리를 사용하려면 다음 중 어떤 단계를 수행해야 합니까?
SPS-C01 문제 74
Snowpark를 사용하여 Pandas DataFrame의 데이터를 Snowpark DataFrame으로 로드하려고 합니다. Pandas DataFrame 'customer_data'에는 정수, 문자열, 날짜 등 다양한 데이터 유형이 혼합된 열이 포함되어 있으며, 일부 열에는 NULL 값도 있습니다. Snowpark가 데이터 유형을 올바르게 추론하고, NULL 값을 적절하게 처리하며, 결과로 생성된 Snowpark DataFrame 'snowpark_customers'를 추가 변환에 사용할 수 있도록 해야 합니다. 최소한의 코드로 최대한의 성능을 내면서 이 목표를 달성하는 가장 좋은 방법은 무엇일까요?
SPS-C01 문제 75
'name', 'department' 등의 직원 정보가 포함된 Pandas DataFrame이 있습니다. 이 Pandas DataFrame을 기반으로 Snowpark DataFrame을 생성하고 'TEMP EMPLOYEES'라는 임시 뷰로 등록하려고 합니다. 단, Pandas DataFrame의 NULL 값은 Snowpark DataFrame 생성 시 올바르게 처리되어야 합니다. 다음 코드 조각 중 데이터 전송량을 최소화하고 데이터셋 크기가 큰 경우 최상의 성능을 제공하는 것은 무엇입니까?