teradataml.dataframe.window.max = max(distinct=False)

DESCRIPTION:
    Function returns the maximum of values in teradataml DataFrame or
    ColumnExpression over the specified window.
 
PARAMETERS:
    distinct:
        Optional Argument.
        Specifies a flag that decides whether to consider duplicate values in
        a column or not.
        Default Values: False
        Types: bool
 
RETURNS:
    * teradataml DataFrame - When aggregate is executed using window created
      on teradataml DataFrame.
    * ColumnExpression, also known as, teradataml DataFrameColumn - When aggregate is
      executed using window created on ColumnExpression.
 
RAISES:
    RuntimeError - If column does not support the aggregate operation.
 
EXAMPLES:
    # Load the data to run the example.
    >>> load_example_data("dataframe", "admissions_train")
    >>>
 
    # Create a teradataml DataFrame on 'admissions_train' table.
    >>> admissions_train = DataFrame("admissions_train")
    >>> admissions_train
       masters   gpa     stats programming  admitted
    id
    22     yes  3.46    Novice    Beginner         0
    36      no  3.00  Advanced      Novice         0
    15     yes  4.00  Advanced    Advanced         1
    38     yes  2.65  Advanced    Beginner         1
    5       no  3.44    Novice      Novice         0
    17      no  3.83  Advanced    Advanced         1
    34     yes  3.85  Advanced    Beginner         0
    13      no  4.00  Advanced      Novice         1
    26     yes  3.57  Advanced    Advanced         1
    19     yes  1.98  Advanced    Advanced         0
    >>>
 
    # Example 1: Calculate the maximum of values for the 'gpa' column
    #            in a Rolling window, partitioned over 'programming'.
    # Create a Rolling window on 'gpa'.
    >>> window = admissions_train.gpa.window(partition_columns="programming",
    ...                                      window_start_point=-2,
    ...                                      window_end_point=0)
    >>>
    # Execute max() on the Rolling window and attach it to the teradataml DataFrame.
    # Note: DataFrame.assign() allows combining multiple window aggregate operations
    #       in one single call. In this example, we are executing count() along with
    #       max() window aggregate operations.
    >>> df = admissions_train.assign(max_gpa=window.max(), count_gpa=window.count())
    >>> df
       masters   gpa     stats programming  admitted  count_gpa  max_gpa
    id
    11      no  3.13  Advanced    Advanced         1          3     3.83
    27     yes  3.96  Advanced    Advanced         0          3     3.96
    26     yes  3.57  Advanced    Advanced         1          3     3.96
    6      yes  3.50  Beginner    Advanced         1          3     3.96
    9       no  3.82  Advanced    Advanced         1          3     3.82
    25      no  3.96  Advanced    Advanced         1          3     3.96
    39     yes  3.75  Advanced    Beginner         0          1     3.75
    31     yes  3.50  Advanced    Beginner         1          2     3.75
    29     yes  4.00    Novice    Beginner         0          3     4.00
    21      no  3.87    Novice    Beginner         1          3     4.00
    >>>
 
    # Example 2: Calculate the maximum value of all the valid columns in teradataml
    #            DataFrame, in an Expanding window, partitioned over 'programming',
    #            and order by 'id' in descending order.
    # Create an Expanding window on teradataml DataFrame.
    >>> window = admissions_train.window(partition_columns="masters",
    ...                                  order_columns="id",
    ...                                  sort_ascending=False,
    ...                                  window_start_point=None,
    ...                                  window_end_point=0)
    >>>
    # Execute max() on the Expanding window.
    >>> df = window.max()
    >>> df
       masters   gpa     stats programming  admitted  admitted_max  gpa_max  id_max masters_max programming_max stats_max
    id
    38     yes  2.65  Advanced    Beginner         1             1     3.95      40         yes        Beginner    Novice
    32     yes  3.46  Advanced    Beginner         0             1     3.95      40         yes        Beginner    Novice
    31     yes  3.50  Advanced    Beginner         1             1     3.95      40         yes        Beginner    Novice
    30     yes  3.79  Advanced      Novice         0             1     3.95      40         yes          Novice    Novice
    27     yes  3.96  Advanced    Advanced         0             1     4.00      40         yes          Novice    Novice
    26     yes  3.57  Advanced    Advanced         1             1     4.00      40         yes          Novice    Novice
    37      no  3.52    Novice      Novice         1             1     3.52      37          no          Novice    Novice
    36      no  3.00  Advanced      Novice         0             1     3.52      37          no          Novice    Novice
    35      no  3.68    Novice    Beginner         1             1     3.68      37          no          Novice    Novice
    33      no  3.55    Novice      Novice         1             1     3.68      37          no          Novice    Novice
    >>>
 
    # Example 3: Calculate the maximum value of all the valid columns in
    #            teradataml DataFrame, which are grouped by 'masters' and 'gpa'
    #            in a Contracting window, partitioned over 'masters' and order
    #            by 'masters' with nulls in masters listed last.
    # Perform group_by() operation on teradataml DataFrame.
    >>> group_by_df = admissions_train.groupby(["masters", "gpa"])
    # Create a Contracting window on teradataml DataFrameGroupBy object.
    >>> window = group_by_df.window(partition_columns="masters",
    ...                             order_columns="masters",
    ...                             nulls_first=False,
    ...                             window_start_point=-5,
    ...                             window_end_point=None)
    # Execute max() on the Contracting window.
    >>> window.max()
      masters   gpa  gpa_max masters_max
    0      no  3.71     4.00          no
    1      no  3.52     4.00          no
    2      no  3.68     4.00          no
    3      no  3.83     4.00          no
    4      no  3.55     4.00          no
    5      no  3.96     4.00          no
    6     yes  3.59     3.95         yes
    7     yes  3.95     3.95         yes
    8     yes  3.46     3.95         yes
    9     yes  3.76     3.95         yes
    >>>