teradataml.dataframe.setop.td_except = td_except(df_list, allow_duplicates=True)

DESCRIPTION:
    This function returns the resulting rows that appear in first teradataml DataFrame or GeoDataFrame
    and not in other teradataml DataFrames or GeoDataFrames along the index axis.
    Note:
         This function should be applied to data frames of the same type: either all teradataml DataFrames,
         or all GeoDataFrames.
 
PARAMETERS:
    df_list:
        Required argument.
        Specifies the list of teradataml DataFrames or GeoDataFrames on which the except
        operation is to be performed.
        Types: list of teradataml DataFrames or GeoDataFrames
    
    allow_duplicates:
        Optional argument.
        Specifies if the result of except operation can have duplicate rows.
        Default value: True
        Types: bool
 
RETURNS:
    teradataml DataFrame when operation is performed on teradataml DataFrames.
    teradataml GeoDataFrame when operation is performed on teradataml GeoDataFrames.
 
RAISES:
    TeradataMlException, TypeError
 
EXAMPLES:
    >>> from teradataml import load_example_data
    >>> load_example_data("dataframe", "setop_test1")
    >>> load_example_data("dataframe", "setop_test2")
    >>> load_example_data("geodataframe", ["sample_shapes"])
    >>> from teradataml.dataframe.setop import td_except
    >>>
    >>> df1 = DataFrame('setop_test1')
    >>> df1
       masters   gpa     stats programming  admitted
    id                                              
    62      no  3.70  Advanced    Advanced         1
    53     yes  3.50  Beginner      Novice         1
    69      no  3.96  Advanced    Advanced         1
    61     yes  4.00  Advanced    Advanced         1
    58      no  3.13  Advanced    Advanced         1
    51     yes  3.76  Beginner    Beginner         0
    68      no  1.87  Advanced      Novice         1
    66      no  3.87    Novice    Beginner         1
    60      no  4.00  Advanced      Novice         1
    59      no  3.65    Novice      Novice         1
    >>> df2 = DataFrame('setop_test2')
    >>> df2
       masters   gpa     stats programming  admitted
    id                                              
    12      no  3.65    Novice      Novice         1
    15     yes  4.00  Advanced    Advanced         1
    14     yes  3.45  Advanced    Advanced         0
    20     yes  3.90  Advanced    Advanced         1
    18     yes  3.81  Advanced    Advanced         1
    17      no  3.83  Advanced    Advanced         1
    13      no  4.00  Advanced      Novice         1
    11      no  3.13  Advanced    Advanced         1
    60      no  4.00  Advanced      Novice         1
    19     yes  1.98  Advanced    Advanced         0
    >>> idf = td_except([df1[df1.id<55] , df2])
    >>> idf
       masters   gpa     stats programming  admitted
    id                                              
    51     yes  3.76  Beginner    Beginner         0
    50     yes  3.95  Beginner    Beginner         0
    54     yes  3.50  Beginner    Advanced         1
    52      no  3.70    Novice    Beginner         1
    53     yes  3.50  Beginner      Novice         1
    53     yes  3.50  Beginner      Novice         1
    >>>
    >>> idf = td_except([df1[df1.id<55] , df2], allow_duplicates=False)
    >>> idf
       masters   gpa     stats programming  admitted
    id                                              
    54     yes  3.50  Beginner    Advanced         1
    51     yes  3.76  Beginner    Beginner         0
    53     yes  3.50  Beginner      Novice         1
    50     yes  3.95  Beginner    Beginner         0
    52      no  3.70    Novice    Beginner         1
    >>> # applying except on more than two DataFrames
    >>> df3 = df1[df1.gpa <= 3.9]
    >>> idf = td_except([df1, df2, df3])
    >>> idf
       masters   gpa     stats programming  admitted
    id                                              
    61     yes  4.00  Advanced    Advanced         1
    50     yes  3.95  Beginner    Beginner         0
    69      no  3.96  Advanced    Advanced         1
 
    # td_except on GeoDataFrames
    >>> geo_dataframe = GeoDataFrame('sample_shapes')
    >>> geo_dataframe1 = geo_dataframe[geo_dataframe.skey == 1004].select(['skey','linestrings'])
    >>> geo_dataframe1
    skey        linestrings
    1004  LINESTRING (10 20 30,40 50 60,70 80 80)
    
    >>> geo_dataframe2 = geo_dataframe[geo_dataframe.skey < 1010].select(['skey','linestrings'])
    >>> geo_dataframe2
    skey                                linestrings
    1009            MULTILINESTRING ((10 20 30,40 50 60),(70 80 80,90 100 110))
    1005                                         LINESTRING (1 3 6,3 0 6,6 0 1)
    1004                                LINESTRING (10 20 30,40 50 60,70 80 80)
    1002                                               LINESTRING (1 3,3 0,0 1)
    1001                                           LINESTRING (1 1,2 2,3 3,4 4)
    1003                       LINESTRING (1.35 3.6456,3.6756 0.23,0.345 1.756)
    1007                            MULTILINESTRING ((1 1,1 3,6 3),(10 5,20 1))
    1006           LINESTRING (1.35 3.6456 4.5,3.6756 0.23 6.8,0.345 1.756 8.9)
    1008  MULTILINESTRING ((1 3,3 0,0 1),(1.35 3.6456,3.6756 0.23,0.345 1.756))
 
    >>> td_except([geo_dataframe2,geo_dataframe1])
    skey                    linestrings
    1008  MULTILINESTRING ((1 3,3 0,0 1),(1.35 3.6456,3.6756 0.23,0.345 1.756))
    1003                       LINESTRING (1.35 3.6456,3.6756 0.23,0.345 1.756)
    1005                                         LINESTRING (1 3 6,3 0 6,6 0 1)
    1006           LINESTRING (1.35 3.6456 4.5,3.6756 0.23 6.8,0.345 1.756 8.9)
    1009            MULTILINESTRING ((10 20 30,40 50 60),(70 80 80,90 100 110))
    1001                                           LINESTRING (1 1,2 2,3 3,4 4)
    1007                            MULTILINESTRING ((1 1,1 3,6 3),(10 5,20 1))
    1002                                               LINESTRING (1 3,3 0,0 1)