A equipe da loja outlet precisa de um notebook que consiga ler sem ficar traduzindo entre objetos Python e colunas do Spark. Trabalhe com a tabela separada dela, main.silver.outlet_orders. Cada resposta deve mostrar o DataFrame final, e não imprimir o texto de uma consulta SQL.
Você vai combinar as transformações das lições anteriores: selecionar colunas, filtrar registros, renomear um campo, normalizar texto e tratar valores ausentes. A mesma operação pode ser útil ou prejudicial dependendo do enunciado. Preencher um valor desconhecido está certo em um relatório com zero como padrão e errado em uma auditoria de completude que precisa preservar os NULL. Leia essa diferença antes de escrever a expressão. A extração da loja outlet também tem clientes repetidos, então uma lista de chaves de comprador precisa de remoção de duplicatas mesmo quando os ids de pedido são únicos.
Retorne status como a segunda coluna.