Teradata Package for Python Function Reference | 17.10 - ConvertTo - 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

Product
Teradata Package for Python
Release Number
17.10
Published
April 2022
Language
English (United States)
Last Update
2022-08-19
lifecycle
previous
Product Category
Teradata Vantage
 
 
ConvertTo

 
Functions
       
ConvertTo(data=None, target_columns=None, target_datatype=None, **generic_arguments)
DESCRIPTION:
    The ConvertTo() function converts the specified input DataFrame columns to
    specified data types.
 
PARAMETERS:
    data:
        Required Argument.
        Specifies the input teradataml DataFrame.
        Types: teradataml DataFrame
 
    target_columns:
        Required Argument.
        Specifies the input teradataml DataFrame columns which needs to be
        casted/converted to another data type.
        Types: str OR list of Strings (str)
 
    target_datatype:
        Required Argument.
        Specify target data type(s) into which "target_columns" need to be
        converted. If one value is provided, it applies to all "target_columns".
        If more than one value is specified, each "target_datatype" value applies to
        corresponding "target_columns" value (in the order specified by the user).
        Types: str OR list of strs
 
    **generic_arguments:
        Specifies the generic keyword arguments SQLE functions accept.
        Below are the generic keyword arguments:
 
        persist:
            Optional Argument.
            Specifies whether to persist the results of the function in table or not.
            When set to True, results are persisted in table; otherwise, results
            are garbage collected at the end of the session.
            Default Value: False
            Types: boolean
 
        volatile:
            Optional Argument.
            Specifies whether to put the results of the function in volatile table
            or not. When set to True, results are stored in volatile table,
            otherwise not.
            Default Value: False
            Types: boolean
 
        Function allows the user to partition, hash, order or local order the input
        data. These generic arguments are available for each argument that accepts
        teradataml DataFrame as input and can be accessed as:
            * "<input_data_arg_name>_partition_column" accepts str or list of str (Strings)
            * "<input_data_arg_name>_hash_column" accepts str or list of str (Strings)
            * "<input_data_arg_name>_order_column" accepts str or list of str (Strings)
            * "local_order_<input_data_arg_name>" accepts boolean
        Note:
            These generic arguments are supported by teradataml if the underlying
            SQLE Engine function supports, else an exception is raised.
 
RETURNS:
    Instance of ConvertTo.
    Output teradataml DataFrames can be accessed using attribute
    references, such as ConvertToObj.<attribute_name>.
    Output teradataml DataFrame attribute name is:
        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 the Vantage user is connected to.
    #    3. To check the list of analytic functions available on the Vantage user connected to,
    #       use "display_analytic_functions()"
 
    # Load the example data.
    load_example_data("teradataml", "titanic")
 
    # Create teradataml DataFrame object.
    titanic_data = DataFrame.from_table("titanic")
 
    # Check the list of available analytic functions.
    display_analytic_functions()
 
    # Import function ConvertTo
    from teradataml import ConvertTo
 
    # Example: Convert datatype of 'fare' to integer.
    obj = ConvertTo(data=titanic_data,
                    target_columns="fare", target_datatype="integer"
                   )
 
    # Print the result DataFrame.
    print(obj.result)