Teradata Package for Python Function Reference | 20.00 - MAMean - 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
 
 
MAMean

 
Functions
       
MAMean(data=None, data_filter_expr=None, forecast_periods=None, algorithm=None, prediction_intervals='BOTH', k_order=None, fit_metrics=False, residuals=False, output_fmt_index_style='NUMERICAL_SEQUENCE', **generic_arguments)
DESCRIPTION:
    The MAMean() function forecasts a user-defined number of periods into the future,
    that is the number of periods beyond the last observed sample point in the series.
 
PARAMETERS:
    data:
        Required Argument.
        Specifies a logical univariate series with historical data.
        Types: TDSeries
 
    data_filter_expr:
        Optional Argument.
        Specifies the filter expression for "data".
        Types: ColumnExpression
 
    forecast_periods:
        Required Argument.
        Specifies the number of periods to forecast ahead.
        The argument "forecast_periods" must be a positive integer value in the range [1, 32000].
        Types: int
 
    algorithm:
        Required Argument.
        Specifies the type of algorithm to use.
        Permitted Values:
            * MA: Moving Average
            * MEAN: Mean average
            * NAIVE: Naive, also known as random walk forecast
        Types: str
 
    prediction_intervals:
        Optional Argument.
        Specifies the confidence level for the prediction, such that 85 means 85% confidence.
        Permitted Values: NONE, 80, 95, BOTH
        Default Value: BOTH
        Types: str
 
    k_order:
        Optional Argument.
        Specifies the moving average forecast.
        The argument "k_order" must be a positive int value in the range [1, 32000].
        Note:
            * This is a required argument when "alogorithm" is set to 'MA'.
        Types: int
 
    fit_metrics:
        Optional Argument.
        Specifies a flag to generate the secondary result set that contains the model metadata
        statistics. when set to True, function generate the secondary result set,otherwise
        not.The generated result set can be retrieved using the attribute fitmetadata of
        the function output.
        Default Value: False
        Types: bool
 
    residuals:
        Optional Argument.
        Specifies a flag to generate the tertiary result set that contains the model residuals.
        when set to True, means generate the tertiary result set, otherwise not.
        The generated result set can be retrieved using the attribute fitresiduals of
        the function output.
        Default Value: False
        Types: bool
 
    output_fmt_index_style:
        Optional Argument.
        Specifies the index style of the output format.
        Default Value: NUMERICAL_SEQUENCE
        Permitted Values: NUMERICAL_SEQUENCE
        Types: str
 
    **generic_arguments:
        Specifies the generic keyword arguments of UAF functions.
        Below are the generic keyword arguments:
            persist:
                Optional Argument.
                Specifies whether to persist the results of the
                function in a table or not. When set to True,
                results are persisted in a table; otherwise,
                results are garbage collected at the end of the
                session.
                Note that, when UAF function is executed, an 
                analytic result table (ART) is created.
                Default Value: False
                Types: bool
 
            volatile:
                Optional Argument.
                Specifies whether to put the results of the
                function in a volatile ART or not. When set to
                True, results are stored in a volatile ART,
                otherwise not.
                Default Value: False
                Types: bool
 
            output_table_name:
                Optional Argument.
                Specifies the name of the table to store results. 
                If not specified, a unique table name is internally 
                generated.
                Types: str
 
            output_db_name:
                Optional Argument.
                Specifies the name of the database to create output 
                table into. If not specified, table is created into 
                database specified by the user at the time of context 
                creation or configuration parameter. Argument is ignored,
                if "output_table_name" is not specified.
                Types: str
 
 
RETURNS:
    Instance of MAMean.
    Output teradataml DataFrames can be accessed using attribute
    references, such as MAMean_obj.<attribute_name>.
    Output teradataml DataFrame attribute names are:
        1. result
        2. fitmetadata - Available when "model_stats" is set to True, otherwise not.
        3. fitresiduals - Available when "residuals" is set to True, otherwise not.
 
 
RAISES:
    TeradataMlException, TypeError, ValueError
 
 
EXAMPLES:
    # Notes:
    #     1. Get the connection to Vantage to execute the function.
    #     2. One must import the required functions mentioned in
    #        the example from teradataml.
    #     3. Function will raise error if not supported on the Vantage
    #        user is connected to.
 
    # Check the list of available UAF analytic functions.
    display_analytic_functions(type="UAF")
 
    # Load the example data.
    load_example_data("uaf", ["orders1"])
 
    # Create teradataml DataFrame object.
    df = DataFrame.from_table("orders1")
 
    # Create teradataml TDSeries object.
    result = TDSeries(data=df,
                      id="store_id",
                      row_index="seq",
                      row_index_style="SEQUENCE",
                      payload_field="sales",
                      payload_content="REAL")
 
    # Example 1: Forecast 8 number of periods into the future beyond the last observed sample
    #            point in the series using the moving average algorithm and generate metadata as
    #            well as residuals data.
    uaf_out = MAMean(data=result,
                     forecast_periods=8,
                     algorithm='MA',
                     prediction_intervals='BOTH',
                     k_order=3,
                     fit_metrics=True,
                     residuals=True)
 
    # Print the result DataFrames.
    print(uaf_out.result)
    print(uaf_out.fitresiduals)
    print(uaf_out.fitmetadata)