Teradata Package for Python Function Reference | 20.00 - replace - 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.replace = replace(self, to_replace, value=None)
DESCRIPTION:
    Function replaces every occurrence of "to_replace" in the column
    with the "value". Use this function to replace a value from string.
    Note:
        The function replaces value in a string column only when it
        matches completely. If you want to replace a value in a string
        column with only a portion of the string, then use function
        oreplace.
 
PARAMETERS:
    to_replace:
        Required Argument.
        Specifies a ColumnExpression or a literal that the function
        searches for values in the Column. Use ColumnExpression when
        you want to match the condition based on a DataFrameColumn
        function, else use literal.
        Note:
            Only ColumnExpressions generated from DataFrameColumn
            functions are supported. BinaryExpressions are not supported.
            Example: Consider teradataml DataFrame has two columns COL1, COL2.
                     df.COL1.abs() is supported but df.COL1 == df.COL2 is not
                     supported.
        Supported column types: CHAR, VARCHAR, FLOAT, INTEGER, DECIMAL
        Types: ColumnExpression OR int OR float OR str OR dict
 
    value:
        Required argument when "to_replace" is not a dictionary. Optional otherwise.
        Specifies a ColumnExpression or a literal that replaces
        the "to_replace" in the column. Use ColumnExpression when
        you want to replace based on a DataFrameColumn function, else
        use literal.
        Notes:
             * Argument is ignored if "to_replace" is a dictionary.
             * Only ColumnExpressions generated from DataFrameColumn
               functions are supported. BinaryExpressions are not supported.
               Example: Consider teradataml DataFrame has two columns COL1, COL2.
                        df.COL1.abs() is supported but df.COL1 == df.COL2 is not
                        supported.
        Supported column types: CHAR, VARCHAR, FLOAT, INTEGER, DECIMAL
        Types: ColumnExpression OR int OR float OR str
 
RAISES:
    TeradataMlException
 
RETURNS:
    ColumnExpression
 
EXAMPLES:
    # Load the data to run the example.
    >>> load_example_data("teradataml", "chi_sq")
 
    # Create a DataFrame on 'chi_sq' table.
    >>> df = DataFrame("chi_sq")
    >>> print(df)
            dem  rep
    gender
    female    6    9
    male      8    5
 
    # Example 1: Create a new column 'new_column' by replacing all the
    #            occurances of 'male' with 'man' in Column 'gender'.
    >>> res = df.assign(new_column = df.gender.replace("male", "man"))
    >>> print(res)
            dem  rep new_column
    gender
    male      8    5        man
    female    6    9     female
 
    # Example 2: Create a new Column 'new_column' by replacing all the
    #            occurances of 5 with square root of 5 in Column 'rep'.
    >>> print(df.assign(new_column = df.rep.replace(5, df.rep.sqrt())))
            dem  rep  new_column
    gender
    male      8    5    2.236068
    female    6    9    9.000000
 
    # Example 3: Create a new Column 'new_column' by replacing all the
    #            occurances of 5 with square root of 5 and 9 with
    #            the values of Column 'dem' in Column 'rep'.
    >>> print(df.assign(new_column = df.rep.replace({5: df.rep.sqrt(), 9:df.dem})))
            dem  rep  new_column
    gender
    male      8    5    2.236068
    female    6    9    6.000000
 
    # Example 4: Create a new Column 'new_column' by replacing all the
    #            the values of Column 'rep' with it's square root.
    >>> print(df.assign(new_column = df.rep.replace({df.rep: df.rep.sqrt()})))
            dem  rep  new_column
    gender
    female    6    9    3.000000
    male      8    5    2.236068