As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Salve os resultados da consulta SQL em um pandas DataFrame Você pode armazenar os resultados da sua consulta SQL em um pandas DataFrame. **A maneira mais fácil de enviar os resultados da consulta para a DataFrame é usar o menu suspenso [Recursos do editor SQL da extensão JupyterLab SQL](sagemaker-sql-extension-features-editor.md) de resultados da consulta e escolher a opção Pandas dataframe.** Como alternativa, você pode adicionar o parâmetro `--output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'` à sua cadeia de conexão. Por exemplo, a consulta a seguir extrai detalhes dos clientes com o maior saldo da tabela `Customer` no banco de dados `TPCH_SF1` do Snowflake, usando pandas e SQL: + Neste exemplo, extraímos todos os dados da tabela de clientes e os salvamos em um DataFrame nome`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 ``` + Em seguida, extraímos os detalhes do maior saldo da conta do 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) ```