Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Salva i risultati della query SQL in un panda DataFrame
<a name="sagemaker-sql-extension-features-sql-execution-save-dataframe"></a>

Puoi memorizzare i risultati della tua query SQL in un panda. DataFrame **Il modo più semplice per inviare i risultati della query a DataFrame è utilizzare il menu a discesa [Funzionalità dell'editor SQL dell'estensione JupyterLab SQL](sagemaker-sql-extension-features-editor.md) query-result e scegliere l'opzione Pandas dataframe.**

In alternativa, puoi aggiungere il parametro `--output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'` alla stringa di connessione.

Ad esempio, la query seguente estrae i dettagli dei clienti con il saldo più elevato dalla tabella `Customer` del database `TPCH_SF1` di Snowflake, utilizzando sia pandas che SQL:
+ In questo esempio, estraiamo tutti i dati dalla tabella dei clienti e li salviamo in un file denominato. 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
  ```
+ Successivamente, estraiamo i dettagli del saldo massimo del conto da 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)
  ```