翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SQL クエリ結果を pandas DataFrame に保存する
<a name="sagemaker-sql-extension-features-sql-execution-save-dataframe"></a>

SQL クエリの結果を pandas DataFrame に保存することができます。DataFrame にクエリ結果を出力する最も簡単な方法は、[JupyterLab SQL 拡張機能の SQL エディタ機能](sagemaker-sql-extension-features-editor.md)クエリ結果ドロップダウンを使用して **[pandas DataFrame]** オプションを選択する方法です。

別の方法として、接続文字列に、`--output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'` パラメータを追加することもできます。

例えば次のクエリは、pandas と SQL の両方を使用して、Snowflake の `TPCH_SF1` データベースの `Customer` テーブルから残高が最も多い顧客の詳細を抽出します。
+ この例では、顧客テーブルからすべてのデータを抽出し、`all_customer_data` という名前の DataFrame に保存します。

  ```
  %%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
  ```
+ 次に、DataFrame から最も残高が高い口座の詳細を抽出します。

  ```
  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)
  ```