Teradata Package for Python Function Reference on VantageCloud Lake - IDWT - 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
 
 
IDWT

 
Functions
       
IDWT(data1=None, data1_filter_expr=None, data2=None, data2_filter_expr=None, wavelet=None, mode='symmetric', part=None, input_fmt_input_mode=None, output_fmt_index_style='NUMERICAL_SEQUENCE', **generic_arguments)
DESCRIPTION:
    IDWT() is a function that performs inverse discrete wavelet transform (IDWT).
 
PARAMETERS:
    data1:
        Required Argument.
        Specifies the input series. Multiple
        payloads are supported, and each payload column is 
        transformed independently. Only REAL or MULTIVAR_REAL
        payload content types are supported.
        Types: TDSeries
 
    data1_filter_expr:
        Optional Argument.
        Specifies the filter expression for "data1".
        Types: ColumnExpression
 
    data2:
        Optional Argument.
        Specifies the input series. The series specifies the filter.
        It should have two payload columns corresponding to low
        and high pass filters.
        Only MULTIVAR_REAL payload content type is supported.
        Types: TDSeries
 
    data2_filter_expr:
        Optional Argument.
        Specifies the filter expression for "data2".
        Types: ColumnExpression
 
    wavelet:
        Optional Argument.
        Specifies the name of the wavelet.
        Permitted Values:
            * Daubechies: 'db1' or 'haar', 'db2', 'db3', .... ,'db38'
            * Coiflets: 'coif1', 'coif2', ... , 'coif17'
            * Symlets: 'sym2', 'sym3', ... ,' sym20'
            * Discrete Meyer: 'dmey'
            * Biorthogonal: 'bior1.1', 'bior1.3', 'bior1.5',
                            'bior2.2', 'bior2.4', 'bior2.6',
                            'bior2.8', 'bior3.1', 'bior3.3',
                            'bior3.5', 'bior3.7', 'bior3.9',
                            'bior4.4', 'bior5.5', 'bior6.8'
            * Reverse Biorthogonal: 'rbio1.1', 'rbio1.3',
                                    'rbio1.5' 'rbio2.2',
                                    'rbio2.4', 'rbio2.6',
                                    'rbio2.8', 'rbio3.1',
                                    'rbio3.3', 'rbio3.5',
                                    'rbio3.7','rbio3.9',
                                    'rbio4.4', 'rbio5.5',
                                    'rbio6.8'
        Note:
            * If 'wavelet' is specified, do not include a second
              input series for the function. Otherwise, include
              a second input series to provide the filter.
            * Data type is case-sensitive.
        Types: str
 
    mode:
        Optional Argument.
        Specifies the signal extension mode.
        Data type is case-insensitive.
        Permitted Values:
            * symmetric, sym, symh
            * reflect, symw
            * smooth, spd, sp1
            * constant, sp0
            * zero, zpd
            * periodic, ppd
            * periodization, per
            * antisymmetric, asym, asymh
            * antireflect, asymw
        Default Value: symmetric
        Types: str
 
    part:
        Optional Argument.
        Specifies the indicator that the input is partial decomposition
        result.
        Note:
            Data type is case-insensitive.
        Permitted Values:
            * a - the approximation
            * d - the detail of decomposition of result.
        Types: str
 
    input_fmt_input_mode:
        Optional Argument.
        Specifies the input mode supported by the function.
        When there are two input series, then the input_fmt_input_mode
        specification is mandatory.
        Permitted Values:
            * ONE2ONE: Both the primary and secondary series
                       specifications contain a series name which
                       identifies the two series in the function.
            * MANY2ONE: The MANY specification is the primary series
                        declaration. The secondary series specification
                        contains a series name that identifies the single
                        secondary series.
            * MATCH: Both series are defined by their respective series
                     specification instance name declarations.
        Types: str
 
    output_fmt_index_style:
        Optional Argument.
        Specifies the index style of the output format.
        Permitted Values: NUMERICAL_SEQUENCE
        Default Value: NUMERICAL_SEQUENCE
        Types: str
 
    **generic_arguments:
        Specifies the generic keyword arguments of UAF functions.
        Below are the generic keyword arguments:
            persist:
                Optional Argument.
                Specifies whether to persist the results of the
                function in a table or not. When set to True,
                results are persisted in a table; otherwise,
                results are garbage collected at the end of the
                session.
                Note that, when UAF function is executed, an 
                analytic result table (ART) is created.
                Default Value: False
                Types: bool
 
            volatile:
                Optional Argument.
                Specifies whether to put the results of the
                function in a volatile ART or not. When set to
                True, results are stored in a volatile ART,
                otherwise not.
                Default Value: False
                Types: bool
 
            output_table_name:
                Optional Argument.
                Specifies the name of the table to store results. 
                If not specified, a unique table name is internally 
                generated.
                Types: str
 
            output_db_name:
                Optional Argument.
                Specifies the name of the database to create output 
                table into. If not specified, table is created into 
                database specified by the user at the time of context 
                creation or configuration parameter. Argument is ignored,
                if "output_table_name" is not specified.
                Types: str
 
 
RETURNS:
    Instance of IDWT.
    Output teradataml DataFrames can be accessed using attribute 
    references, such as IDWT_obj.<attribute_name>.
    Output teradataml DataFrame attribute name is:
        1. result
 
 
RAISES:
    TeradataMlException, TypeError, ValueError
 
 
EXAMPLES:
    # Notes:
    #     1. Get the connection to Vantage, before importing the
    #        function in user space.
    #     2. User can import the function, if it is available on
    #        Vantage user is connected to.
    #     3. To check the list of UAF analytic functions available
    #        on Vantage user connected to, use
    #        "display_analytic_functions()".
 
    # Check the list of available UAF analytic functions.
    display_analytic_functions(type="UAF")
 
    # Import function IDWT.
    from teradataml import IDWT
 
    # Load the example data.
    load_example_data("uaf", ["idwt_dataTable", "idwt_filterTable"])
 
    # Create teradataml DataFrame objects.
    data1 = DataFrame.from_table("idwt_dataTable")
    data2 = DataFrame.from_table("idwt_filterTable")
 
    # Create teradataml TDSeries objects.
    data1_series_df = TDSeries(data=data1,
                               id="id",
                               row_index="rowi",
                               row_index_style="SEQUENCE",
                               payload_field=["approx"],
                               payload_content="REAL")
 
    data2_series_df = TDSeries(data=data2,
                               id="id",
                               row_index="seq",
                               row_index_style="SEQUENCE",
                               payload_field=["lo", "hi"],
                               payload_content="MULTIVAR_REAL")
 
 
    # Example 1: Perform inverse discrete wavelet transform using 2 series as input.
    uaf_out = IDWT(data1=data1_series_df,
                   data2=data2_series_df,
                   data2_filter_expr=data2.id==1,
                   input_fmt_input_mode="MANY2ONE",
                   part='a')
 
    # Print the result DataFrame.
    print(uaf_out.result)
 
    # Example 2: Perform inverse discrete wavelet transform using 1 series as input and wavelet parameter.
 
    # Create teradataml TDSeries objects.
    data_series_df = TDSeries(data=data1,
                              id="id",
                              row_index="rowi",
                              row_index_style="SEQUENCE",
                              payload_field=["approx", "detail"],
                              payload_content="MULTIVAR_REAL")
 
    uaf_out = IDWT(data1=data_series_df,
                   wavelet='haar')
 
    # Print the result DataFrame.
    print(uaf_out.result)