Teradata Package for Python Function Reference | 20.00 - concat - 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.concat = concat(self, separator, *columns)
DESCRIPTION:
    Function to concatenate the columns with a separator.
 
PARAMETERS:
    separator:
        Required Argument.
        Specifies the string to be used as a separator between two concatenated columns.
        Note:
            This argument is ignored when no column is specified.
        Types: str
 
    columns:
        Optional Argument.
        Specifies the name(s) of the columns or ColumnExpression(s) to concat on.
        Types: str OR ColumnExpression OR ColumnExpressions
 
Returns:
    ColumnExpression
 
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: Concatenate the columns "stats" and "programming" with out any seperator.
    >>> df = admissions_train.assign(concat_gpa_=admissions_train.stats.concat("", admissions_train.programming))
    >>> print(df)
        masters   gpa     stats programming  admitted        new_column
    id
    34     yes  3.85  Advanced    Beginner         0  AdvancedBeginner
    32     yes  3.46  Advanced    Beginner         0  AdvancedBeginner
    11      no  3.13  Advanced    Advanced         1  AdvancedAdvanced
    40     yes  3.95    Novice    Beginner         0    NoviceBeginner
    38     yes  2.65  Advanced    Beginner         1  AdvancedBeginner
    36      no  3.00  Advanced      Novice         0    AdvancedNovice
    7      yes  2.33    Novice      Novice         1      NoviceNovice
    26     yes  3.57  Advanced    Advanced         1  AdvancedAdvanced
    19     yes  1.98  Advanced    Advanced         0  AdvancedAdvanced
    13      no  4.00  Advanced      Novice         1    AdvancedNovice
    >>>
 
    # Example 2: Concatenate the columns "programming", "gpa" and "masters" with '_'.
    >>> df = admissions_train.assign(new_column=admissions_train.programming.concat("_", admissions_train.gpa, "masters"))
    >>> print(df)
       masters   gpa     stats programming  admitted                           new_column
    id
    34     yes  3.85  Advanced    Beginner         0  Beginner_ 3.85000000000000E 000_yes
    32     yes  3.46  Advanced    Beginner         0  Beginner_ 3.46000000000000E 000_yes
    11      no  3.13  Advanced    Advanced         1   Advanced_ 3.13000000000000E 000_no
    40     yes  3.95    Novice    Beginner         0  Beginner_ 3.95000000000000E 000_yes
    38     yes  2.65  Advanced    Beginner         1  Beginner_ 2.65000000000000E 000_yes
    36      no  3.00  Advanced      Novice         0     Novice_ 3.00000000000000E 000_no
    7      yes  2.33    Novice      Novice         1    Novice_ 2.33000000000000E 000_yes
    26     yes  3.57  Advanced    Advanced         1  Advanced_ 3.57000000000000E 000_yes
    19     yes  1.98  Advanced    Advanced         0  Advanced_ 1.98000000000000E 000_yes
    13      no  4.00  Advanced      Novice         1     Novice_ 4.00000000000000E 000_no