Teradata Package for Python Function Reference | 20.00 - ln - 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.sql.DataFrameColumn.ln = ln()
DESCRIPTION:
    Function returns the natural logarithm of the value in column.
 
NOTES:
    1. If the type of the column is not FLOAT, column values are converted to FLOAT
       based on implicit type conversion rules. If the value cannot be converted, an
       error is reported. For more information on implicit type conversion,
       see Teradata Vantage™ Data Types and Literals.
    2. Unsupported column types:
        a. BYTE or VARBYTE
        b. LOBs (BLOB or CLOB)
        c. CHARACTER or VARCHAR if the server character set is GRAPHIC
 
RAISES:
    TypeError, ValueError, TeradataMlException
 
RETURNS:
    DataFrameColumn
 
EXAMPLES:
    # Load the data to execute the example.
    >>> load_example_data("dataframe", "admissions_train")
 
    # Create a DataFrame on 'admissions_train' table.
    >>> df = DataFrame("admissions_train").iloc[:4]
    >>> print(df)
       masters   gpa     stats programming  admitted
    id
    3       no  3.70    Novice    Beginner         1
    4      yes  3.50  Beginner      Novice         1
    2      yes  3.76  Beginner    Beginner         0
    1      yes  3.95  Beginner    Beginner         0
 
    # Example 1: Computes natural logarithm of values in "gpa" column and pass it as
    #            input to DataFrame.assign().
    >>> res = df.assign(col = df.gpa.ln())
    >>> print(res)
       masters   gpa     stats programming  admitted       col
    id
    3       no  3.70    Novice    Beginner         1  1.308333
    4      yes  3.50  Beginner      Novice         1  1.252763
    2      yes  3.76  Beginner    Beginner         0  1.324419
    1      yes  3.95  Beginner    Beginner         0  1.373716
 
    # Example 2: Executed ln() function on "gpa" column and filtered computed
    #            values which are less than 1.3.
    >>> print(df[df.gpa.ln() > 1.3])
       masters   gpa     stats programming  admitted
    id
    3       no  3.70    Novice    Beginner         1
    2      yes  3.76  Beginner    Beginner         0
    1      yes  3.95  Beginner    Beginner         0