分别使用DataFrame API和SQL语句，完成指定的数据统计分析↓"研发部"准备清理35岁以上老员工，请列出清理对象的部门名称、员工号、员工姓名、员工年龄

使用DataFrame API实现：

from pyspark.sql.functions import col

# 假设员工信息的DataFrame为emp_df，包含部门名称、员工号、员工姓名和员工年龄等字段
# 列出部门名称、员工号、员工姓名和员工年龄，筛选年龄大于等于35岁的员工
clear_emp_df = emp_df.select("部门名称", "员工号", "员工姓名", "员工年龄") \
                     .filter(col("员工年龄") >= 35)

# 显示清理对象
clear_emp_df.show()

使用SQL语句实现：

# 假设员工信息的DataFrame为emp_df，将其注册成表emp_table
emp_df.createOrReplaceTempView("emp_table")

# 列出部门名称、员工号、员工姓名和员工年龄，筛选年龄大于等于35岁的员工
clear_emp_df = spark.sql("SELECT 部门名称, 员工号, 员工姓名, 员工年龄 \
                          FROM emp_table \
                          WHERE 员工年龄 >= 35")

# 显示清理对象
clear_emp_df.show()