説明
1：正解-これは「API」または「DataFrameAPI」と読み替える必要があります。DataFrameはSQLAPIの一部ではありません。SQLを介してDataFrameにアクセスできるようにするには、最初にDataFrameビューを作成する必要があります。その後、SQLを介してそのビューにアクセスできます。
4：「K_38_INU」は奇妙に見えますが、DataFrame列の完全に有効な名前です。
6：いいえ、StringTypeは正しいタイプです。
7：StringTypeは電話番号を保存するための最も効率的な方法ではないかもしれませんが、ここでこのタイプを使用することに根本的な問題はありません。
8：正解-TreeTypeはSparkがサポートするタイプではありません。
9：いいえ、SparkDataFramesはArrayType変数をサポートしています。この場合、変数はLongType型の要素のシーケンスを表します。これは、SparkDataFramesの有効な型でもあります。
10：この行に問題はありません。
詳細：データ型-Spark 3.1.1ドキュメント（https://bit.ly/3aAPKJT）

説明
RDDは単一のパーティションで構成されます。
まったく逆です。SparkはRDDをパーティション化し、パーティションを複数のノードに分散します。

説明
アクションはアダプティブクエリ実行をトリガーできますが、変換はトリガーできません。
正しい。アダプティブクエリ実行は、実行時にクエリを最適化します。変換は遅延評価されるため、Sparkには、アクションが呼び出されるまでクエリを最適化するためのランタイム情報がありません。アダプティブクエリ実行が有効になっている場合、Sparkは、クエリの評価中に収集したフィードバックに基づいてクエリを最適化しようとします。
アクションは実行を遅らせるためにキューに入れることができますが、変換はすぐにしか処理できません。
いいえ、Sparkには「実行の遅延」などの概念はありません。アクションを怠惰に評価することはできません。つまり、アクションはすぐに実行されます。
アクションは遅延評価されますが、変換は遅延評価されません。
不正解です。逆です。変換は遅延評価され、アクションによって評価がトリガーされます。
アクションはRDDを生成しますが、変換は生成しません。
いいえ。変換によってデータが変更され、RDDは不変であるため、途中で新しいRDDが生成されます。
アクションは、Pythonで出力を生成し、RDDに基づいてデータ型（整数、リスト、テキストファイルなど）を生成しますが、それらは生成しません。
アクションと変換を区別する方法に関する優れたヒントを次に示します。操作がDataFrame、Dataset、またはRDDを返す場合、それは変換です。それ以外の場合は、アクションです。
アクションは結果をドライバーに送信しませんが、変換は送信します。
いいえ。アクションは結果をドライバーに送信します。DataFrame.count（）の実行について考えてみてください。このコマンドの結果は、ドライバーに数値を返します。ただし、変換は結果をドライバーに送り返しません。それらは、ワーカーノードに残るRDDを生成します。
詳細：Apache Sparkの変換とアクションの違いは何ですか？| Bartosz Mikulski、アダプティブクエリ実行でSQLクエリを高速化する方法

説明
狭い変換を使用して、パーティションの数を減らします。
正しい！DataFrame.coalesce（n）は狭い変換であり、実際、リストされているすべてのオプションのDataFrameのサイズを変更する最も効率的な方法です。DataFrame.coalesce（8）を実行して、DataFrameのサイズを変更します。
オペレーションDataFrame.coalesce（8）を使用して、DataFrameを完全にシャッフルし、パーティションの数を減らします。
違う。合体操作は完全なシャッフルを回避しますが、必要に応じてデータをシャッフルします。「完全にシャッフル」と表示されているため、この回答は正しくありません。これは、合体操作では実行されないことです。原則として、データの移動を最小限に抑えてパーティションの数を減らします。より詳しい情報：
分散コンピューティング-Spark-repartition（）とcoalesce（）-スタックオーバーフロー操作DataFrame.coalesce（0.5）を使用して、DataFrame内のパーティションの数を半分にします。
不正解です。num_partitionsパラメーターは、操作後に必要なパーティションの正確な数を定義する整数である必要があるためです。詳細：pyspark.sql.DataFrame.coalesce-PySpark 3.1.2ドキュメント操作DataFrame.repartition（8）を使用して、DataFrameをシャッフルし、パーティションの数を減らします。
いいえ。再パーティション操作により、DataFrameが完全にシャッフルされます。これは、リストされているすべてのオプションのパーティション数を減らすための最も効率的な方法ではありません。
ワイド変換を使用して、パーティションの数を減らします。
いいえ。DataFrame.repartition（n）コマンドを使用して可能ですが、結果として得られる完全なシャッフルは、パーティションの数を減らす最も効率的な方法ではありません。

説明
Distinct（）はDataFrameのメソッドです。これを知ること、またはドキュメントからこれを認識することは、この質問を解決するための鍵です。
詳細：pyspark.sql.DataFrame.distinct-PySpark3.1.2ドキュメント静的ノートブック| ダイナミックノートブック：テスト2を参照