Teradata Package for Python Function Reference | 20.00 - regr_intercept - Teradata Package for Python - Look here for syntax, methods and examples for the functions included in the Teradata Package for Python.

Teradata® Package for Python Function Reference - 20.00

Deployment
VantageCloud
VantageCore
Edition
Enterprise
IntelliFlex
VMware
Product
Teradata Package for Python
Release Number
20.00
Published
March 2024
Language
English (United States)
Last Update
2024-04-10
dita:id
TeradataPython_FxRef_Enterprise_2000
Product Category
Teradata Vantage
teradataml.dataframe.dataframe.DataFrame.regr_intercept = regr_intercept(expression)
DESCRIPTION:
    Function returns the column-wise intercept of the univariate linear regression line
    through all non-null data pairs of the dependent and independent variable
    arguments. The intercept is the point at which the regression line through
    the non-null data pairs in the sample intersects the ordinate, or y-axis,
    of the graph. The plot of the linear regression on the variables is used to
    predict the behavior of the dependent variable from the change in the
    independent variable. There can be a strong nonlinear relationship between
    independent and dependent variables, and the computation of the simple linear
    regression between such variable pairs does not reflect such a relationship.
    The function considers all the valid columns in teradataml DataFrame as
    dependent variable and "expression" as an independent variable.
 
PARAMETERS:
    expression:
        Required Argument.
        Specifies a ColumnExpression of a column or name of the column or a
        literal representing an independent variable for the regression.
        An independent variable is something that is varied under your control
        to test the behavior of another variable.
        Types: ColumnExpression OR int OR float OR str
 
RETURNS:
    teradataml DataFrame
 
RAISES:
    RuntimeError - If none of the columns support the aggregate operation.
 
EXAMPLES:
    # Load the data to run the example.
    >>> load_example_data("dataframe", "admissions_train")
    >>>
 
    # Create a DataFrame on 'admissions_train' table.
    >>> admissions_train = DataFrame("admissions_train")
    >>> admissions_train
       masters   gpa     stats programming  admitted
    id
    22     yes  3.46    Novice    Beginner         0
    36      no  3.00  Advanced      Novice         0
    15     yes  4.00  Advanced    Advanced         1
    38     yes  2.65  Advanced    Beginner         1
    5       no  3.44    Novice      Novice         0
    17      no  3.83  Advanced    Advanced         1
    34     yes  3.85  Advanced    Beginner         0
    13      no  4.00  Advanced      Novice         1
    26     yes  3.57  Advanced    Advanced         1
    19     yes  1.98  Advanced    Advanced         0
    >>>
 
    # Example 1: Calculate the intercept of the univariate linear regression
    #            line through all non-null data pairs for all the applicable
    #            columns and independent variable as 'gpa'.
    >>> df = admissions_train.regr_intercept(admissions_train.gpa)
    >>> df
       regr_intercept_id  regr_intercept_gpa  regr_intercept_admitted
    0          21.619895                 0.0                 0.724144
    >>>
 
    # Example 2: Calculate the intercept of the univariate linear regression
    #            line through all non-null data pairs for all the applicable
    #            columns and independent variable as 'gpa', for each level
    #            of 'programming'
    >>> df = admissions_train.groupby("programming").regr_intercept(admissions_train.gpa)
    >>> df
      programming  regr_intercept_id  regr_intercept_gpa  regr_intercept_admitted
    0    Advanced           8.221993                 0.0                -0.626557
    1      Novice          18.889270                 0.0                 1.000091
    2    Beginner          66.340361                 0.0                 2.566361
    >>>