teradataml.dataframe.sql.DataFrameColumn.ln = ln()

DESCRIPTION:
    Function returns the natural logarithm of the value in column.
 
NOTES:
    1. If the type of the column is not FLOAT, column values are converted to FLOAT
       based on implicit type conversion rules. If the value cannot be converted, an
       error is reported. For more information on implicit type conversion,
       see Teradata Vantage™ Data Types and Literals.
    2. Unsupported column types:
        a. BYTE or VARBYTE
        b. LOBs (BLOB or CLOB)
        c. CHARACTER or VARCHAR if the server character set is GRAPHIC
 
RAISES:
    TypeError, ValueError, TeradataMlException
 
RETURNS:
    DataFrameColumn
 
EXAMPLES:
    # Load the data to execute the example.
    >>> load_example_data("dataframe", "admissions_train")
 
    # Create a DataFrame on 'admissions_train' table.
    >>> df = DataFrame("admissions_train").iloc[:4]
    >>> print(df)
       masters   gpa     stats programming  admitted
    id
    3       no  3.70    Novice    Beginner         1
    4      yes  3.50  Beginner      Novice         1
    2      yes  3.76  Beginner    Beginner         0
    1      yes  3.95  Beginner    Beginner         0
 
    # Example 1: Computes natural logarithm of values in "gpa" column and pass it as
    #            input to DataFrame.assign().
    >>> res = df.assign(col = df.gpa.ln())
    >>> print(res)
       masters   gpa     stats programming  admitted       col
    id
    3       no  3.70    Novice    Beginner         1  1.308333
    4      yes  3.50  Beginner      Novice         1  1.252763
    2      yes  3.76  Beginner    Beginner         0  1.324419
    1      yes  3.95  Beginner    Beginner         0  1.373716
 
    # Example 2: Executed ln() function on "gpa" column and filtered computed
    #            values which are less than 1.3.
    >>> print(df[df.gpa.ln() > 1.3])
       masters   gpa     stats programming  admitted
    id
    3       no  3.70    Novice    Beginner         1
    2      yes  3.76  Beginner    Beginner         0
    1      yes  3.95  Beginner    Beginner         0