Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Menyimpan hasil kueri SQL di panda DataFrame
<a name="sagemaker-sql-extension-features-sql-execution-save-dataframe"></a>

Anda dapat menyimpan hasil kueri SQL Anda di panda DataFrame. **Cara termudah untuk menampilkan hasil kueri ke a DataFrame adalah dengan menggunakan dropdown [Fitur editor SQL dari ekstensi JupyterLab SQL](sagemaker-sql-extension-features-editor.md) hasil kueri dan memilih opsi kerangka data Pandas.**

Atau, Anda dapat menambahkan parameter `--output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'` ke string koneksi Anda.

Misalnya, kueri berikut mengekstrak detail pelanggan dengan saldo tertinggi dari `Customer` tabel di `TPCH_SF1` database Snowflake, menggunakan keduanya pandas dan SQL:
+ Dalam contoh ini, kami mengekstrak semua data dari tabel pelanggan dan menyimpannya kemudian dalam DataFrame nama`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
  ```
+ Selanjutnya, kami mengekstrak detail saldo akun tertinggi dari 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)
  ```