Teradata Package for Python Function Reference | 20.00 - regexp_similar - 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.regexp_similar = regexp_similar(regexp_string, match)
DESCRIPTION:
    Function compares string value in column to "regexp_string" and returns integer value.
 
PARAMETERS:
    regexp_string:
        Required Argument.
        Specifies a ColumnExpression of a string column or a string literal
        which is to be used as regex.
        Note:
            1. If regexp_string is NULL, NULL is returned.
        Format for the argument: '<dataframe>.<dataframe_column>'.
        Supported column types: CHAR, VARCHAR
        Types: ColumnExpression, str
 
    match:
        Optional Argument.
        Specifies a character which decides the handling of regex matching.
        Notes:
            1. If a character in the argument is not valid, then that character is ignored.
            2. If match_arg is not specified, is NULL, or is empty:
                a. The match is case-sensitive.
                b. A period does not match the newline character.
                c. string value in column is treated as a single line.
            3. The argument can contain more than one character.
        Permitted values:
            * 'i' - case-insensitive matching.
            * 'c' - case sensitive matching.
            * 'n' - the period character (match any character) can match the newline character.
            * 'm' - string value in column is treated as multiple lines instead of as a single line.
                    With this option, the '^' and '$' characters apply to each line in string value in column
                    instead of the entire string value in column.
            * 'l' - if string value in column exceeds the current maximum allowed size
                    (currently 16 MB), a NULL is returned instead of an error. This is useful for
                    long-running queries where you do not want long strings causing an error that
                    would make the query fail.
            * 'x' - ignore whitespace.
        Types: str
 
RAISES:
    TypeError, ValueError, TeradataMlException
 
RETURNS:
    Function returns following integer values in a DataFrameColumn:
        * 1 (true) if the entire string value in column matches regexp_string.
        * 0 (false) if the entire string value in column does not match regexp_string.
 
EXAMPLES:
    # Load the data to run the example.
    >>> load_example_data("dataframe", "admissions_train")
 
    # Create a DataFrame on 'admissions_train' table.
    >>> df = DataFrame("admissions_train")
    >>> print(df)
       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
 
    # Example1: Compares strings in "stats" column and "programming" column and
    #           pass it as input to DataFrame.assign().
    >>> res_df = df.assign(col=df.stats.regexp_similar(df.programming, 'c'))
    >>> print(res_df)
       masters   gpa     stats programming  admitted  col
    id
    5       no  3.44    Novice      Novice         0    1
    34     yes  3.85  Advanced    Beginner         0    0
    13      no  4.00  Advanced      Novice         1    0
    40     yes  3.95    Novice    Beginner         0    0
    22     yes  3.46    Novice    Beginner         0    0
    19     yes  1.98  Advanced    Advanced         0    1
    36      no  3.00  Advanced      Novice         0    0
    15     yes  4.00  Advanced    Advanced         1    1
    7      yes  2.33    Novice      Novice         1    1
    17      no  3.83  Advanced    Advanced         1    1