Teradata Package for Python Function Reference on VantageCloud Lake - head - 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
20.00.00.02
Published
September 2024
Language
English (United States)
Last Update
2024-10-17
dita:id
TeradataPython_FxRef_Lake_2000
Product Category
Teradata Vantage
teradataml.dataframe.dataframe.DataFrame.head = head(self, n=10)
DESCRIPTION:
    Print the first n rows of the sorted teradataml DataFrame.
    Note: The DataFrame is sorted on the index column or the first column if
    there is no index column. The column type must support sorting.
    Unsupported types: ['BLOB', 'CLOB', 'ARRAY', 'VARRAY']
 
PARAMETERS:
    n:
        Optional Argument.
        Specifies the number of rows to select.
        Default Value: 10.
        Types: int
 
RETURNS:
    teradataml DataFrame
 
RAISES:
    TeradataMlException
 
EXAMPLES:
    >>> load_example_data("dataframe","admissions_train")
    >>> df = DataFrame.from_table('admissions_train')
    >>> df
       masters   gpa     stats programming admitted
    id
    15     yes  4.00  Advanced    Advanced        1
    7      yes  2.33    Novice      Novice        1
    22     yes  3.46    Novice    Beginner        0
    17      no  3.83  Advanced    Advanced        1
    13      no  4.00  Advanced      Novice        1
    38     yes  2.65  Advanced    Beginner        1
    26     yes  3.57  Advanced    Advanced        1
    5       no  3.44    Novice      Novice        0
    34     yes  3.85  Advanced    Beginner        0
    40     yes  3.95    Novice    Beginner        0
    
    >>> df.head()
       masters   gpa     stats programming admitted
    id
    3       no  3.70    Novice    Beginner        1
    5       no  3.44    Novice      Novice        0
    6      yes  3.50  Beginner    Advanced        1
    7      yes  2.33    Novice      Novice        1
    9       no  3.82  Advanced    Advanced        1
    10      no  3.71  Advanced    Advanced        1
    8       no  3.60  Beginner    Advanced        1
    4      yes  3.50  Beginner      Novice        1
    2      yes  3.76  Beginner    Beginner        0
    1      yes  3.95  Beginner    Beginner        0
    
    >>> df.head(15)
       masters   gpa     stats programming admitted
    id
    3       no  3.70    Novice    Beginner        1
    5       no  3.44    Novice      Novice        0
    6      yes  3.50  Beginner    Advanced        1
    7      yes  2.33    Novice      Novice        1
    9       no  3.82  Advanced    Advanced        1
    10      no  3.71  Advanced    Advanced        1
    11      no  3.13  Advanced    Advanced        1
    12      no  3.65    Novice      Novice        1
    13      no  4.00  Advanced      Novice        1
    14     yes  3.45  Advanced    Advanced        0
    15     yes  4.00  Advanced    Advanced        1
    8       no  3.60  Beginner    Advanced        1
    4      yes  3.50  Beginner      Novice        1
    2      yes  3.76  Beginner    Beginner        0
    1      yes  3.95  Beginner    Beginner        0
    
    >>> df.head(5)
       masters   gpa     stats programming admitted
    id
    3       no  3.70    Novice    Beginner        1
    5       no  3.44    Novice      Novice        0
    4      yes  3.50  Beginner      Novice        1
    2      yes  3.76  Beginner    Beginner        0
    1      yes  3.95  Beginner    Beginner        0