Teradata Package for Python Function Reference | 20.00 - regr_sxy - 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_sxy = regr_sxy(expression)
DESCRIPTION:
    Function returns the column-wise sum of the products of the independent variable
    and the dependent variable for all non‑null data pairs of the dependent and
    independent variable arguments. The function considers all the valid columns
    in teradataml DataFrame as dependent variable and "expression" as an independent
    variable.
    Note:
        When there are fewer than two non-null data point pairs in the
        data used for the computation, the function returns None.
 
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 sum of the products of the column 'gpa'
    #            for all non-null data pairs with dependent variable as all other
    #            valid columns.
    >>> df = admissions_train.regr_sxy(admissions_train.gpa)
    >>> df
       regr_sxy_id  regr_sxy_gpa  regr_sxy_admitted
    0       -3.255     10.294177            -0.2155
    >>>
 
    # Example 2: Calculate the sum of the products of the column 'gpa'
    #            for all non-null data pairs with dependent variable as all other
    #            valid columns, for each level of 'programming'.
    >>> df = admissions_train.groupby("programming").regr_sxy(admissions_train.gpa)
    >>> df
      programming  regr_sxy_id  regr_sxy_gpa  regr_sxy_admitted
    0    Advanced     8.696875      3.660394           1.456875
    1      Novice     1.871818      4.182673          -0.346364
    2    Beginner   -16.990000      1.509800          -0.900000
    >>>