Teradata Package for Python Function Reference | 17.10 - Sessionize - 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

 
teradataml.analytics.sqle.Sessionize = class Sessionize(builtins.object)
     Methods defined here:
__init__(self, data=None, time_column=None, time_out=None, click_lag=None, emit_null=False, data_partition_column=None, data_order_column=None)
DESCRIPTION:
    The Sessionize function maps each click in a session to a unique 
    session identifier. A session is defined as a sequence of clicks by 
    one user that are separated by at most n seconds.
    
    The function is useful both for sessionization and for detecting web 
    crawler (bot) activity. It is typically used to understand user browsing
    behavior on a web site.
 
 
PARAMETERS:
    data:
        Required Argument.
        Specifies the input teradataml DataFrame.
    
    data_partition_column:
        Required Argument.
        Specifies Partition By columns for data.
        Values to this argument can be provided as a list, if multiple columns 
        are used for partition.
        Types: str OR list of Strings (str)
    
    data_order_column:
        Required Argument.
        Specifies Order By columns for data.
        Values to this argument can be provided as a list, if multiple columns 
        are used for ordering.
        Types: str OR list of Strings (str)
    
    time_column:
        Required Argument.
        Specifies the name of the input column that contains the click
        times.
        Note: The time_column must also be an data_order_column.
        Types: str
    
    time_out:
        Required Argument.
        Specifies the number of seconds at which the session times out. If 
        time_out seconds elapse after a click, then the next click
        starts a new session.
        Types: float
    
    click_lag:
        Optional Argument.
        Specifies the minimum number of seconds between clicks for the 
        session user to be considered human. If clicks are more frequent, 
        indicating that the user is a "bot," the function ignores the 
        session. The click_lag must be less than time_out.
        Types: float
    
    emit_null:
        Optional Argument.
        Specifies whether to output rows that have None values in their 
        session id and rapid fire columns, even if their time_column has 
        a None value. 
        Default Value: False
        Types: bool
 
RETURNS:
    Instance of Sessionize.
    Output teradataml DataFrames can be accessed using attribute
    references, such as SessionizeObj.<attribute_name>.
    Output teradataml DataFrame attribute name is:
        result
 
 
RAISES:
    TeradataMlException
 
 
EXAMPLES:
    # Load the data to run the example.
    load_example_data("Sessionize","sessionize_table")
    
    # Create teradataml DataFram object.
    sessionize_table = DataFrame.from_table("sessionize_table")
    
    # Example 1 - This example maps each click in a session to a unique session identifer, 
    # which uses input table web clickstream data recorded as user navigates through a web site
    # based on events — view, click, and so on which are recorded with a timestamp.
    td_sessionize_out = Sessionize(data = sessionize_table,
                                   data_partition_column = ["partition_id"],
                                   data_order_column = ["clicktime"],
                                   time_column = "clicktime",
                                   time_out = 60.0,
                                   click_lag = 0.2
                                   )
    
    # Print the result DataFrame
    print(td_sessionize_out.result)
__repr__(self)
Returns the string representation for a Sessionize class instance.
get_build_time(self)
Function to return the build time of the algorithm in seconds.
When model object is created using retrieve_model(), then the value returned is
as saved in the Model Catalog.
get_prediction_type(self)
Function to return the Prediction type of the algorithm.
When model object is created using retrieve_model(), then the value returned is
as saved in the Model Catalog.
get_target_column(self)
Function to return the Target Column of the algorithm.
When model object is created using retrieve_model(), then the value returned is
as saved in the Model Catalog.
show_query(self)
Function to return the underlying SQL query.
When model object is created using retrieve_model(), then None is returned.