teradataml.dataframe.sql.DataFrameColumn.isin = isin(self, values=None)

Function to check for the presence of values in a column.
 
PARAMETERS:
    values:
        Required Argument.
        Specifies the list of values to check for their presence in the column.
        in the provided set of values.
        Types: list
 
RETURNS:
    DataFrameColumn
 
RAISES:
    TypeError - If invalid type of values are passed to argument 'values'.
    ValueError - If None is passed to argument 'values'.
 
EXAMPLES:
    >>> load_example_data("dataframe","admissions_train")
    >>> df = DataFrame('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
    >>>
 
    # Example 1: Filter results where gpa values are in any of these following values:
    #            4.0, 3.0, 2.0, 1.0, 3.5, 2.5, 1.5
    >>> df[df.gpa.isin([4.0, 3.0, 2.0, 1.0, 3.5, 2.5, 1.5])]
       masters  gpa     stats programming  admitted
    id
    31     yes  3.5  Advanced    Beginner         1
    6      yes  3.5  Beginner    Advanced         1
    13      no  4.0  Advanced      Novice         1
    4      yes  3.5  Beginner      Novice         1
    29     yes  4.0    Novice    Beginner         0
    15     yes  4.0  Advanced    Advanced         1
    36      no  3.0  Advanced      Novice         0
    >>>
 
    # Example 2: Filter results where stats values are neither 'Novice' nor 'Advanced'
    >>> df[~df.stats.isin(['Novice', 'Advanced'])]
       masters   gpa     stats programming  admitted
    id
    1      yes  3.95  Beginner    Beginner         0
    2      yes  3.76  Beginner    Beginner         0
    8       no  3.60  Beginner    Advanced         1
    4      yes  3.50  Beginner      Novice         1
    6      yes  3.50  Beginner    Advanced         1
    >>>