Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Enregistrer les résultats des requêtes SQL dans un pandas DataFrame
<a name="sagemaker-sql-extension-features-sql-execution-save-dataframe"></a>

Vous pouvez stocker les résultats de votre requête SQL dans un pandas DataFrame. Le moyen le plus simple de générer les résultats d'une requête dans un DataFrame est d'utiliser le menu déroulant des [Fonctionnalités de l'extension JupyterLab SQL relatives à l'éditeur SQL](sagemaker-sql-extension-features-editor.md) résultats de requête et de choisir l'option de trame de données **Pandas**.

Vous pouvez également ajouter le paramètre `--output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'` à votre chaîne de connexion.

Par exemple, la requête suivante extrait les détails des clients ayant le solde le plus élevé de la table `Customer` de la base de données `TPCH_SF1` de Snowflake, en utilisant à la fois pandas et SQL :
+ Dans cet exemple, nous extrayons toutes les données de la table des clients et les enregistrons sous un DataFrame nom`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
  ```
+ Ensuite, nous extrayons les détails du solde de compte le plus élevé du 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)
  ```