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

DESCRIPTION:
    List all the features.
 
PARAMETERS:
    archived:
        Optional Argument.
        Specifies whether to list effective features or archived features.
        When set to False, effective features in FeatureStore are listed,
        otherwise, archived features are listed.
        Default Value: False
        Types: bool
 
RETURNS:
    teradataml DataFrame
 
RAISES:
    None
 
EXAMPLES:
    >>> from teradataml import DataFrame, FeatureStore, load_example_data
    # Create teradataml DataFrame.
    >>> load_example_data("dataframe", "sales")
    >>> df = DataFrame("sales")
    
    # Create FeatureStore for repo 'vfs_v1'.
    >>> fs = FeatureStore("vfs_v1")
    Repo vfs_v1 does not exist. Run FeatureStore.setup() to create the repo and setup FeatureStore.
    # Setup FeatureStore for this repository.
    >>> fs.setup()
    True
    
    # Create a FeatureGroup from teradataml DataFrame.
    >>> fg = FeatureGroup.from_DataFrame(name='sales',
    ...                                  entity_columns='accounts',
    ...                                  df=df,
    ...                                  timestamp_column='datetime')
    # Apply the FeatureGroup to FeatureStore.
    >>> fs.apply(fg)
    True
 
    # Example 1: List all the effective Features in the repo 'vfs_v1'.
    >>> fs.list_features()
                    id column_name description  tags data_type feature_type  status               creation_time modified_time group_name
    name data_domain                                                                                                                      
    Apr  ALICE         4         Apr        None  None    BIGINT   CONTINUOUS  ACTIVE  2025-07-28 03:17:31.262501          None      sales
    Jan  ALICE         2         Jan        None  None    BIGINT   CONTINUOUS  ACTIVE  2025-07-28 03:17:30.056273          None      sales
    Mar  ALICE         3         Mar        None  None    BIGINT   CONTINUOUS  ACTIVE  2025-07-28 03:17:30.678060          None      sales
    Feb  ALICE         1         Feb        None  None     FLOAT   CONTINUOUS  ACTIVE  2025-07-28 03:17:29.403242          None      sales
 
    # Example 2: List all the archived Features in the repo 'vfs_v1'.
    # Note: Feature can only be archived when it is not associated with any Group.
    #       Let's remove Feature 'Feb' from FeatureGroup.
    >>> fg.remove_feature(fs.get_feature('Feb'))
    True
    
    # Apply the modified FeatureGroup to FeatureStore.
    >>> fs.apply(fg)
    True
 
    # Archive Feature 'Feb'.
    >>> fs.archive_feature('Feb')
    Feature 'Feb' is archived.
    True
 
    # List all the archived Features in the repo 'vfs_v1'.
    >>> fs.list_features(archived=True)
       id name data_domain column_name description  tags data_type feature_type  status               creation_time modified_time               archived_time group_name
    0   1  Feb       ALICE         Feb        None  None     FLOAT   CONTINUOUS  ACTIVE  2025-07-28 03:17:29.403242          None  2025-07-28 03:19:58.950000      sales
    >>>