Teradata Package for Python Function Reference | 20.00 - add_months - 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.add_months = add_months()
DESCRIPTION:
    Function adds an integer number of months to specified date or timestamp value in a column as a literal.
 
RAISES:
    TypeError, ValueError, TeradataMlException
 
RETURNS:
    DataFrameColumn
 
EXAMPLES:
    # Load the data to run the example.
    >>> load_example_data("dataframe", ["sales"])
 
    # Create a DataFrame on 'sales' table.
    >>> df = DataFrame.from_table('sales')
 
    # Preparing the data.
    >>> df_sales = df.assign(dates = case([(df.accounts == 'Alpha Co', df.datetime + random.randrange(20,1000,3)),
                            (df.accounts == 'Blue Inc', df.datetime + random.randrange(20,1000,3)),
                            (df.accounts == 'Jones LLC', df.datetime + random.randrange(20,1000,3)),
                            (df.accounts == 'Orange Inc', df.datetime + random.randrange(20,1000,3)),
                       (df.accounts == 'Yellow Inc', df.datetime + random.randrange(20,1000,3)),
                            (df.accounts == 'Red Inc', df.datetime + random.randrange(20,1000,3))]))
 
    # Example 1: Adds an integer number of months to specified date or timestamp value in a column as a literal.
    >>> df = df_sales.assign(res = df_sales.dates.add_months(2))
    >>> print(df)
                  Feb    Jan    Mar    Apr    datetime     dates         res
    accounts
    Alpha Co    210.0  200.0  215.0  250.0  04/01/2017  18/03/20  2018-05-20
    Blue Inc     90.0   50.0   95.0  101.0  04/01/2017  19/02/25  2019-04-25
    Jones LLC   200.0  150.0  140.0  180.0  04/01/2017  17/04/27  2017-06-27
    Orange Inc  210.0    NaN    NaN  250.0  04/01/2017  19/05/29  2019-07-29
    Yellow Inc   90.0    NaN    NaN    NaN  04/01/2017  18/10/22  2018-12-22
    Red Inc     200.0  150.0  140.0    NaN  04/01/2017  17/08/07  2017-10-07