libs.teradata.langchain_teradata.TeradataVectorStore.delete_embeddings = delete_embeddings(self, data, **kwargs)

DESCRIPTION:
    Deletes data from an existing embedding-based vector store.
 
PARAMETERS:
    data:
        Required Argument.
        Specifies the name of the tables or teradataml DataFrames containing the embedding data
        to be deleted from the Vector Store.
        Types: str, DataFrame, or list of str/DataFrame
 
    database_name:
        Optional Argument.
        Specifies the database name where the input table(s) or DataFrame(s) are located.
        Note: If not specified, all input data with the table name of "data" is deleted 
              from the Vector Store irrespective of the database in which it is located.
        Types: str
 
    update_style:
        Optional Argument.
        Specifies the style to be used for alter operation of the data
        from the vector store when "search_algorithm" is KMEANS/HNSW.
        Default Value: MINOR
        Permitted Values: MINOR, MAJOR
        Types: str
 
RETURNS:
    None
 
RAISES:
    TeradataMlException
 
EXAMPLES:
    # Create an instance of an 'embedding-based' vector store by passing the 'amazon_reviews_embedded' and 
    # 'amazon_reviews_embedded_10_alter' tables to "data" and "embedding" as 'data_columns'.
    # Note:
    #   This is optional and can be skipped if the vector store is already created with the embedding data.
    >>> from langchain_teradata import TeradataVectorStore
    >>> from teradataml import DataFrame
    >>> from teradatagenai import load_data
    >>> load_data("amazon", "amazon_reviews_embedded")
    >>> amazon_reviews_embedded = DataFrame('amazon_reviews_embedded')
    >>> vs_instance = TeradataVectorStore.from_embeddings(name = "vs_example_1",
                                                          data = ['amazon_reviews_embedded', 'amazon_reviews_embedded_10'],
                                                          data_columns = ['embedding'])
 
    # Example 1: Delete data from an existing embedding-based vector store "vs_example_1"
    >>> load_data("amazon", "amazon_reviews_embedded_10_alter")
    >>> amazon_reviews_embedded_10_alter = DataFrame('amazon_reviews_embedded_10_alter')
    >>> vs_instance.delete_embeddings(data=amazon_reviews_embedded_10_alter)
 
    # Example 2: Delete data from an existing embedding-based vector store "vs_example_1"
    >>> vs = TeradataVectorStore(name="vs_example_1")
    >>> amazon_reviews_embedded = DataFrame('amazon_reviews_embedded')
    >>> vs.delete_embeddings(data=amazon_reviews_embedded)