Teradata Package for Python Function Reference | 20.00 - otranslate - 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.otranslate = otranslate(expression, replace_string)
DESCRIPTION:
    Function returns values in column with every occurrence of each character in
    "expression" replaced with the corresponding character in "replace_string".
 
    If the first character in "expression" occurs in the values in column, all
    occurrences of it are replaced by the first character in "replace_string". This
    repeats for all characters in "expression" and for all characters in
    "replace_string". The replacement is performed character-by-character, that is,
    the replacement of the second character is done on the string resulting
    from the replacement of the first character.
 
    If "expression" contains more characters than "replace_string", the extra characters
    are removed from the string values in column.
    If "expression" contains fewer characters than "replace_string", the extra characters
    in "replace_string" have no effect.
    If the same character occurs more than once in "expression", only the replacement
    character from the "replace_string" corresponding to the first occurrence is used.
 
ALTERNATE NAME:
    translate
 
PARAMETERS:
    expression:
        Required Argument.
        Specifies a ColumnExpression of a string column or a string literal
        that will be replaced in string values in column.
        If argument is NULL, the function returns string values in column.
        Format of a ColumnExpression of a string column: '<dataframe>.<dataframe_column>.expression'.
        Supported column types: CHAR, VARCHAR
        Types: ColumnExpression, str
 
    replace_string:
        Required Argument.
        Specifies a ColumnExpression of a string column or a string literal
        that replaces the characters specified by expression.
        If argument is NULL or empty, the function removes the characters
        specified in expression.
        Format of a ColumnExpression of a string column: '<dataframe>.<dataframe_column>'.
        Supported column types: CHAR, VARCHAR
        Types: ColumnExpression, str
 
RAISES:
    TypeError, ValueError, TeradataMlException
 
RETURNS:
    DataFrameColumn
 
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").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: Replaces the occurrence of 'i' in the string in "stats" column by the
    # character in to_string ('X') and pass it as input to DataFrame.assign().
    >>> res = df.assign(col = df.stats.otranslate("i", "X"))
    >>> print(res)
       masters   gpa     stats programming  admitted       col
    id
    3       no  3.70    Novice    Beginner         1    NovXce
    4      yes  3.50  Beginner      Novice         1  BegXnner
    2      yes  3.76  Beginner    Beginner         0  BegXnner
    1      yes  3.95  Beginner    Beginner         0  BegXnner
 
    # Example 2: Executed otranslate() function on "stats" column and filtered computed
    # values which are equal to 'BegXnner'.
    >>> print(df[df.stats.otranslate("i", "X") == "BegXnner"])
       masters   gpa     stats programming  admitted
    id
    4      yes  3.50  Beginner      Novice         1
    2      yes  3.76  Beginner    Beginner         0
    1      yes  3.95  Beginner    Beginner         0