Teradata Package for Python Function Reference on VantageCloud Lake | 17.20 - case_n - 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 on VantageCloud Lake

Deployment
VantageCloud
Edition
Lake
Product
Teradata Package for Python
Release Number
17.20
Publication Date
November 2022
Content Type
Programming Reference
Publication ID
B700-4500-112K
ft:locale
en-US
ft:lastEdition
2024-02-21
ft:sourceId
FTML
dita:id
TeradataPython_FxRef_Lake_1720
Product Category
Teradata Vantage
 
 
case_n

 
Functions
       
case_n(conditional_column_expressions)
DESCRIPTION:
    Function evaluates a list of conditions and returns the position of the first
    condition that evaluates to TRUE, provided that no prior condition in the
    list evaluates to UNKNOWN.
 
PARAMETERS:
    conditional_column_expressions:
        Required Argument.
        Specifies a condition column expression or multiple comma-separated condition
        column expressions to evaluate.
        Format for the column_expression: '<dataframe>.<dataframe_column>.expression'.
 
NOTE:
    Function accepts positional arguments only.
 
EXAMPLES:
    # Load the data to run the example.
    >>> load_example_data("dataframe", "admissions_train")
    >>>
 
    # Create a DataFrame on 'admissions_train' table.
    >>> admissions_train = DataFrame("admissions_train")
    >>> admissions_train
       masters   gpa     stats programming  admitted
    id
    22     yes  3.46    Novice    Beginner         0
    36      no  3.00  Advanced      Novice         0
    15     yes  4.00  Advanced    Advanced         1
    38     yes  2.65  Advanced    Beginner         1
    5       no  3.44    Novice      Novice         0
    17      no  3.83  Advanced    Advanced         1
    34     yes  3.85  Advanced    Beginner         0
    13      no  4.00  Advanced      Novice         1
    26     yes  3.57  Advanced    Advanced         1
    19     yes  1.98  Advanced    Advanced         0
    >>>
 
    # Import func from sqlalchemy to execute case_n() function.
    >>> from sqlalchemy import func
 
    # Create a sqlalchemy Function object.
    # Note: We pass multiple conditional column expressions separated by comma.
    >>> case_n_func_ = func.case_N(admissions_train.stats.expression == 'Novice',
    ...                            admissions_train.stats.expression == 'Beginner')
    >>>
 
    # Pass the Function object as input to DataFrame.assign().
    >>> df = admissions_train.assign(case_n_func_=case_n_func_)
    >>> print(df)
       masters   gpa     stats programming  admitted  case_n_func_
    id
    15     yes  4.00  Advanced    Advanced         1           NaN
    7      yes  2.33    Novice      Novice         1           1.0
    22     yes  3.46    Novice    Beginner         0           1.0
    17      no  3.83  Advanced    Advanced         1           NaN
    13      no  4.00  Advanced      Novice         1           NaN
    38     yes  2.65  Advanced    Beginner         1           NaN
    26     yes  3.57  Advanced    Advanced         1           NaN
    5       no  3.44    Novice      Novice         0           1.0
    34     yes  3.85  Advanced    Beginner         0           NaN
    40     yes  3.95    Novice    Beginner         0           1.0
    >>>