Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Guarda los resultados de una consulta SQL en forma de pandas DataFrame
<a name="sagemaker-sql-extension-features-sql-execution-save-dataframe"></a>

Puedes almacenar los resultados de tu consulta SQL en un DataFrame pandas. **La forma más sencilla de enviar los resultados de una consulta a DataFrame es utilizar el menú desplegable de [Características del editor SQL de la extensión JupyterLab SQL](sagemaker-sql-extension-features-editor.md) resultados de la consulta y elegir la opción de marco de datos de Pandas.**

Como alternativa, puede añadir el parámetro `--output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'` a la cadena de conexión.

Por ejemplo, la siguiente consulta extrae los detalles de los clientes con el saldo más alto de la tabla `Customer` de la base de datos `TPCH_SF1` de Snowflake, utilizando tanto pandas como SQL:
+ En este ejemplo, extraemos todos los datos de la tabla de clientes y los guardamos en un nombre. DataFrame `all_customer_data`

  ```
  %%sm_sql --output '{"format": "DATAFRAME", "dataframe_name": "all_customer_data"}' --metastore-id snowflake-connection-name --metastore-type GLUE_CONNECTION
  SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER
  ```

  ```
  Saved results to all_customer_data
  ```
+ A continuación, extraemos los detalles del saldo más alto de la cuenta DataFrame.

  ```
  all_customer_data.loc[all_customer_data['C_ACCTBAL'].idxmax()].values
  ```

  ```
  array([61453, 'Customer#000061453', 'RxNgWcyl5RZD4qOYnyT3', 15,
  '25-819-925-1077', Decimal('9999.99'), 'BUILDING','es. carefully regular requests among the blithely pending requests boost slyly alo'],
  dtype=object)
  ```