説明
ドライバーは、アクションによる要求に応じてデータを受信します。
正しい！アクションは、エグゼキュータでタスクの分散実行をトリガーし、タスクが完了すると、結果データをドライバに転送します。
アクションは、エグゼキュータ間でデータを交換するSparkの方法です。
いいえ。Sparkでは、データはシャッフルを介してエグゼキュータ間で交換されます。
ディスクへのデータの書き込みは、アクションの主な目的です。
いいえ。アクションの主な目的は、SparkのRDDに格納されているデータにアクセスし、データを（多くの場合は集約された形式で）ドライバーに返すことです。
アクションは、RDDを変更するSparkの方法です。
正しくない。まず、RDDは不変であり、変更できません。次に、Sparkは、アクションではなく変換を介して新しいRDDを生成します。
ステージの境界は通常、アクションによって確立されます。
違う。ステージ境界は通常、シャッフルによって確立されます。たとえば、ワイドトランスフォーメーションによって引き起こされます。

説明
この質問を解決するための鍵は、デフォルトでcache（）が値をメモリに格納し、メモリが不足しているパーティションをディスクに書き込むことを知っている（またはドキュメントを読んでいる）ことです。persist（）はまったく同じ動作を実現できますが、ここにリストされているStorageLevel.MEMORY_ONLYオプションでは実現できません。cache（）には引数がないことにも注意してください。
ドキュメントでストレージレベルの情報を見つけるのに問題がある場合は、ここでいくつかの光を当てるこの学生のQ＆Aスレッドも参照してください。
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

説明
spark.read.json（filePath）
正しい。spark.readはSparkのDataFrameReaderにアクセスします。次に、Sparkは、filePathをDataFrameReader.json（）メソッドに渡すことにより、読み取るファイルタイプをJSONタイプとして識別します。
spark.read.path（filePath）
正しくない。SparkのDataFrameReaderにはpathメソッドがありません。ファイルを読み込むための普遍的な方法は、DataFrameReader.load（）メソッド（以下のリンク）によって提供されます。
spark.read.path（filePath、source = "json"）
違う。DataFrameReader.path（）メソッドは存在しません（上記を参照）。
spark.read（）。json（filePath）
正しくない。spark.readは、SparkのDataFrameReaderにアクセスする方法です。ただし、DataFrameReaderは呼び出せないため、spark.read（）を介して呼び出すと失敗します。
spark.read（）。path（filePath）
いいえ、SparkのDataFrameReaderは呼び出し可能ではありません（上記を参照）。
詳細：pyspark.sql.DataFrameReader.json-PySpark 3.1.2ドキュメント、pyspark.sql.DataFrameReader.load-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3を参照

説明
正しいコードブロック：
def add_2_if_geq_3（x）：
xがNoneの場合：
xを返す
elif x> = 3：
x+2を返す
xを返す
add_2_if_geq_3_udf = udf（add_2_if_geq_3）
transactionDf.withColumn（ "predErrorAdded"、add_2_if_geq_3_udf（col（ "predError"）））。show（）withColumnRenamedの代わりに、withColumn演算子を使用する必要があります。
udf（）メソッドは戻り型を宣言しません。
udf（）メソッドが戻り型を宣言しないことは問題ありません。これは必須の引数ではありません。ただし、デフォルトの戻りタイプはStringTypeです。これは、数値のnull許容データの理想的な戻り型ではない可能性がありますが、それでもコードは指定された戻り型なしで実行されます。
Python関数はnull値を処理できないため、実行時にコードブロックがクラッシュします。
Python関数はnull値を処理できます。これは、xがNoneの場合のステートメントが行うことです。
UDFは、SQL APIを介してのみ使用できますが、コードブロックに示されているPythonAPIでは使用できません。
いいえ、PythonAPIを介して利用できます。UDFに関係するコードブロックのコードは正しいです。
col（ "predError"）の代わりに、transactionsDf.predErrorのように、列を持つ実際のDataFrameを渡す必要があります。
transactionDf.predError構文を使用することもできますが、col（ "predError"）構文で問題ありません。

説明
SparkのDataFrameは、PythonまたはRのDataFrameと同じです。
いいえ、等しくありません。それらは似ているだけです。SparkとPythonの主な違いは、SparkのDataFrameが分散されているのに対し、Pythonは分散されていないことです。