teradataml.store.feature_store.feature_store.FeatureStore.list_feature_processes = list_feature_processes(self, archived=False) -> teradataml.dataframe.dataframe.DataFrame

DESCRIPTION:
    Lists all the feature processes.
 
PARAMETERS:
    archived:
        Optional Argument.
        Specifies whether to retrieve archived feature processes or not.
        When set to True, archived feature processes in FeatureStore are listed.
        Otherwise, all feature processes are listed.
        Default Value: False
        Types: bool
 
RETURNS:
    teradataml DataFrame
 
RAISES:
    None
 
EXAMPLES:
    # Example 1: List all the feature processes in the repo 'vfs_v1'.
    >>> from teradataml import FeatureStore
 
    # Create FeatureStore 'vfs_v1' or use existing one.
    >>> fs = FeatureStore("vfs_v1")
    FeatureStore is ready to use.
 
    # Load the sales data.
    >>> load_example_data("dataframe", "sales")
    >>> df = DataFrame("sales")
 
    # Create a feature process.
    >>> from teradataml import FeatureProcess
    >>> fp = FeatureProcess(repo="vfs_v1",
    ...                     data_domain='sales',
    ...                     object=df,
    ...                     entity="accounts",
    ...                     features=["Jan", "Feb", "Mar", "Apr"])
    >>> fp.run()
    Process '5747082b-4acb-11f0-a2d7-f020ffe7fe09' started.
    Process '5747082b-4acb-11f0-a2d7-f020ffe7fe09' completed.
 
    # List all the feature processes in the repo 'vfs_v1'.
    >>> fs.list_feature_processes()
                                         description data_domain       process_type data_source entity_id       feature_names feature_ids                     valid_start                      valid_end
    process_id
    5747082b-4acb-11f0-a2d7-f020ffe7fe09                   sales  denormalized view     "sales"  accounts  Apr, Feb, Jan, Mar        None  2025-06-16 16:02:55.260000+00:  9999-12-31 23:59:59.999999+00:
 
    # Example 2: List all the archived feature processes in the repo 'vfs_v1'.
 
    # Let's check the archived feature processes before archiving feature process.
    >>> fs.list_feature_processes(archived=True)
    process_id start_time end_time status filter as_of_start as_of_end failure_reason
 
    # Archive the feature process by passing the process_id.
    >>> fs.archive_feature_process('5747082b-4acb-11f0-a2d7-f020ffe7fe09')
    Feature 'Feb' is archived from table 'FS_T_6003dc24_375e_7fd6_46f0_eeb868305c4a'.
    Feature 'Feb' is archived from metadata.
    Feature 'Jan' is archived from table 'FS_T_a38baff6_821b_3bb7_0850_827fe5372e31'.
    Feature 'Jan' is archived from metadata.
    Feature 'Mar' is archived from table 'FS_T_a38baff6_821b_3bb7_0850_827fe5372e31'.
    Feature 'Mar' is archived from metadata.
    Feature 'Apr' is archived from table 'FS_T_a38baff6_821b_3bb7_0850_827fe5372e31'.
    Feature 'Apr' is archived from metadata.
    FeatureProcess with process id '5747082b-4acb-11f0-a2d7-f020ffe7fe09' is archived.
    True
 
    # List all the archived feature processes in the repo 'vfs_v1'.
    >>> fs.list_feature_processes(archived=True)
                                         description data_domain       process_type data_source entity_id       feature_names feature_ids                     valid_start                      valid_end
    process_id
    5747082b-4acb-11f0-a2d7-f020ffe7fe09                   sales  denormalized view     "sales"  accounts  Apr, Feb, Jan, Mar        None  2025-06-16 16:02:55.260000+00:  2025-06-16 16:04:32.260000+00: