teradataml.dataframe.dataframe.DataFrame.get_values = get_values(self, num_rows=99999)

DESCRIPTION:
    Retrieves all values (only) present in a teradataml DataFrame.
    Values are retrieved as per a numpy.ndarray representation of a teradataml DataFrame.
    This format is equivalent to the get_values() representation of a Pandas DataFrame.
 
PARAMETERS:
    num_rows:
        Optional Argument.
        Specifies the number of rows to retrieve values for from a teradataml DataFrame.
        The num_rows parameter specified needs to be an integer value.
        Default Value: 99999
        Types: int
 
RETURNS:
    Numpy.ndarray representation of a teradataml DataFrame
 
RAISES:
    TeradataMlException
 
EXAMPLES:
    >>> load_example_data("dataframe","admissions_train")
    >>> df1 = DataFrame.from_table('admissions_train')
    >>> df1
       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
 
    # Retrieve all values from the teradataml DataFrame
 
    >>> vals = df1.get_values()
    >>> vals
    array([['yes', 4.0, 'Advanced', 'Advanced', 1],
           ['yes', 3.45, 'Advanced', 'Advanced', 0],
           ['yes', 3.5, 'Advanced', 'Beginner', 1],
           ['yes', 4.0, 'Novice', 'Beginner', 0],
                         . . .
           ['no', 3.68, 'Novice', 'Beginner', 1],
           ['yes', 3.5, 'Beginner', 'Advanced', 1],
           ['yes', 3.79, 'Advanced', 'Novice', 0],
           ['no', 3.0, 'Advanced', 'Novice', 0],
           ['yes', 1.98, 'Advanced', 'Advanced', 0]], dtype=object)
 
    # Retrieve values for a given number of rows from the teradataml DataFrame
 
    >>> vals = df1.get_values(num_rows = 3)
    >>> vals
    array([['yes', 4.0, 'Advanced', 'Advanced', 1],
           ['yes', 3.45, 'Advanced', 'Advanced', 0],
           ['yes', 3.5, 'Advanced', 'Beginner', 1]], dtype=object)
 
    # Access specific values from the entire set received as per below:
    # Retrieve all values from an entire row (for example, the first row):
 
    >>> vals[0]
    array(['yes', 4.0, 'Advanced', 'Advanced', 1], dtype=object)
 
    # Alternatively, specify a range to retrieve values from  a subset of rows (For example, first 3 rows):
 
    >>> vals[0:3]
    array([['yes', 4.0, 'Advanced', 'Advanced', 1],
    ['yes', 3.45, 'Advanced', 'Advanced', 0],
    ['yes', 3.5, 'Advanced', 'Beginner', 1]], dtype=object)
 
    # Alternatively, retrieve all values from an entire column (For example, the first column):
 
    >>> vals[:, 0]
    array(['yes', 'yes', 'yes', 'yes', 'yes', 'no', 'yes', 'yes', 'yes',
           'yes', 'no', 'no', 'yes', 'yes', 'no', 'yes', 'no', 'yes', 'no',
           'no', 'no', 'no', 'no', 'no', 'yes', 'yes', 'no', 'no', 'yes',
           'yes', 'yes', 'no', 'no', 'yes', 'no', 'no', 'yes', 'yes', 'no',
           'yes'], dtype=object)
 
    # Alternatively, retrieve a single value from a given row and column (For example, 3rd row, and 2nd column):
    >>> vals[2,1]
    3.5
 
    Note:
    1) Row and column indexing starts from 0, so the first column = index 0, second column = index 1, and so on...
 
    2) When a Pandas DataFrame is saved to Teradata Vantage & retrieved back as a teradataml DataFrame, the get_values()
       method on a Pandas DataFrame and the corresponding teradataml DataFrames have the following type differences:
           - teradataml DataFrame get_values() retrieves 'bool' type Pandas DataFrame values (True/False) as BYTEINTS (1/0)
           - teradataml DataFrame get_values() retrieves 'Timedelta' type Pandas DataFrame values as equivalent values in seconds.