Q22. 다음 코드 블록 중 아래에 표시된 itemDf 샘플에 대해 유효한 스키마를 사용하여 filePath에 저장된 쪽모이 세공 파일을 DataFrame itemsDf로 읽는 코드 블록은?
항목 샘플Df:
1.+——+—————————–+——————-+
2.|itemId|속성 |공급자 |공급자
3.+——+—————————–+——————-+
4.1 |[파란색, 겨울, 아늑한] |스포츠 컴퍼니 주식회사
5.2 |[빨간색, 여름, 신선함, 시원함]|예티엑스 |
6.3 |[녹색, 여름, 여행] |스포츠 컴퍼니 주식회사
7.+——+—————————–+——————-+

Q23. 아래에 표시된 코드 블록에 오류가 있습니다. 이 코드 블록은 분할을 위한 키로 storeId 열을 사용하여 /FileStore/transactions_split 위치의 쪽모이 세공 파일로 데이터 프레임 transactionsDf를 디스크에 쓰려고 합니다. 오류를 찾아보세요.
코드 블록:
트랜잭션Df.쓰기.형식("마루").파티션온("storeId").저장("/파일저장소/transactions_split")A.

Q24. 아래 표시된 코드 블록은 DataFrame 트랜잭션Df에서 storeId 열의 값이 25인 행을 최대 5개까지 Python 목록으로 변환해야 합니다. 이를 수행하려면 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
코드 블록:
transactionsDf.__1__(__2__).__3__(__4__)

Q25. 아래 표시된 코드 블록은 데이터 프레임 트랜잭션Df에서 트랜잭션Id, predError, value 및 f 열이 있는 데이터 프레임을 반환해야 합니다. 이를 위해 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
transactionsDf.__1__(__2__)

Q26. 다음 코드 블록 중 데이터 프레임 트랜잭션Df의 열 predError와 값 사이의 피어슨 상관 계수를 나타내는 열 corr만 있는 단일 행 데이터 프레임을 반환하는 코드 블록은?

Q27. 아래에 표시된 코드 블록에 오류가 있습니다. 코드 블록은 첫 번째 행을 열 머리글로 사용하고 열을 가장 적절한 유형으로 캐스팅하여 데이터/transactions.csv 경로에 있는 csv 파일을 DataFrame transactionsDf로 읽어야 합니다. 오류를 찾습니다.
트랜잭션.csv의 처음 3행:
1.transactionId;storeId;productId;name
2.1;23;12;녹색 잔디
3.2;35;31;노란 태양
4.3;23;12;녹색 잔디
코드 블록:
트랜잭션Df = spark.read.load("data/transactions.csv", sep=";", format="csv", header=True)

Q28. 아래에 표시된 코드 블록에 오류가 있습니다. 코드 블록은 데이터 프레임 트랜잭션Df를 반환해야 하지만 storeId 열의 이름이 storeNumber로 변경되었습니다. 오류를 찾아보세요.
코드 블록:
트랜잭션Df.withColumn("storeNumber", "storeId")

Q29. 아래 표시된 코드 블록은 이름에 Sports가 포함된 공급자 열의 모든 공급업체에 대해 연결된 항목 이름 옆의 행당 열 속성에서 하나의 속성을 표시하는 새 2열 데이터 프레임을 반환해야 합니다. 이를 수행하려면 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
데이터 프레임 항목 샘플Df:
1.+——+———————————-+—————————–+——————-+
2.|itemId|itemName |속성 |공급업체 |
3.+——+———————————-+—————————–+——————-+
4.1 |눈 속을 걷기 위한 두꺼운 코트 |[파란색, 겨울, 아늑함] |스포츠 컴퍼니 주식회사입니다.
5.2 |우아한 아웃도어 여름 드레스 |[레드, 여름, 상큼, 쿨]|예티엑스 |
6.3 |아웃도어 배낭 |[녹색, 여름, 여행] |스포츠 컴퍼니 주식회사
7.+--+------------+----------+-------+ 코드 블록:
itemsDf.__1__(__2__).select(__3__, __4__)

Q30. 다음 중 가장 효율적인 방법으로 데이터프레임의 파티션 크기를 16개에서 8개로 조정하는 방법을 설명하는 것은?

Q31. 다음 코드 블록 중 12개의 파티션을 24개의 파티션으로 효율적으로 변환하는 데이터 프레임 트랜잭션Df를 효율적으로 변환하는 것은?

Q32. 다음 중 실행자에 대한 설명 중 올바른 것은 무엇인가요?

Q33. 다음 중 클러스터에서 실행 중인 애플리케이션이 하나뿐인 경우 대량의 데이터를 처리할 때 Spark의 성능을 개선할 수 있는 실행 가능한 방법은 무엇인가요?

Q34. 아래 표시된 코드 블록은 열 사이의 구분 기호로 탭(t 문자)을 사용하고, 누락된 값을 문자열 n/a로 표현하며, 열 이름이 있는 헤더 행을 생략하여 DataFrame transactionsDf를 단일 CSV 파일로 csvPath 경로의 디스크에 기록해야 합니다. 이 작업을 수행하려면 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
transactionsDf.__1__.write.__2__(__3__, ” “).__4__.__5__(csvPath)

Q35. 원과 숫자로 레이블이 지정된 요소 중 오류가 있거나 잘못 표시된 것은 무엇인가요?

Q36. 아래 표시된 코드 블록은 value 및 productId 열이 없고 값이 5인 추가 열 associateId가 있는 DataFrame transactionsDf의 복사본을 반환해야 합니다. 이를 달성하려면 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
transactionsDf.__1__(__2__, __3__).__4__(__5__, 'value')

Q37. 아래 표시된 코드 블록은 디렉터리 경로가 .png로 끝나는 모든 파일을 Spark로 읽어들여야 합니다.
이를 위해 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
spark.__1__.__2__(__3__).option(__4__, “*.png”).__5__(path)

Q38. 다음 중 셔플의 속성을 설명하는 것은 무엇인가요?

Q39. 아래 표시된 코드 블록은 데이터 프레임 트랜잭션Df에 있는 약 15% 행의 무작위 하위 집합에 대한 대체 없이 평균 예측 오류(열 predError)만을 반환해야 합니다. 이를 달성하기 위해 코드 블록의 빈칸을 올바르게 채우는 답을 선택하세요.
transactionsDf.__1__(__2__, __3__).__4__(avg(‘predError’))

Q40. 다음 중 메모리와 디스크에서 이전에 캐시된 DataFrame 트랜잭션Df를 즉시 제거하는 코드 블록은?

Q41. 다음 코드 블록 중 각 열의 값의 표준 편차 및 최소값을 포함하여 DataFrame transactionsDf의 모든 열에 대한 다양한 집계 통계를 표시하는 것은?

Q42. 다음 중 데이터 세트 API의 특징을 설명하는 것은 무엇인가요?

Q43. 아래에 표시된 코드 블록에 오류가 있습니다. 코드 블록은 DataFrame 트랜잭션Df의 모든 행을 반환해야 하지만 storeId 및 predError 열만 포함해야 합니다. 오류를 찾습니다.
코드 블록:
spark.collect(transactionsDf.select("storeId", "predError"))

Q44. 다음 중 RDD에 대한 설명 중 올바르지 않은 것은 무엇인가요?

Q45. 다음 중 데이터프레임 트랜잭션Df에서 단일 행을 반환하는 코드 블록은 무엇인가요?
전체 데이터프레임 트랜잭션Df:
1.+————-+———+—–+——-+———+—-+
2.|transactionId|predError|value|storeId|productId| f|
3.+————-+———+—–+——-+———+—-+
4.| 1| 3| 4| 25| 1| null|
5.| 2| 6| 7| 2| 2| null|
6.| 3| 3| 널| 25| 3| 널|
7.| 4| 널| 널| 3| 2| 널|
8.| 5| 널| 널| 널| 널| 2| 널|
9.| 6| 3| 2| 25| 2| null|
10.+————-+———+—–+——-+———+—-+