teradataml.dataframe.dataframe.DataFrame.from_dict = from_dict(data, columns=None, persist=False) method of builtins.type instance

DESCRIPTION:
    Creates a DataFrame from a dictionary containing values as lists or numpy arrays.
 
PARAMETERS:
    data:
        Required Argument.
        Specifies the Python dictionary to create a teradataml DataFrame.
        Notes:
            * Keys of the dictionary are used as column names.
            * Values of the dictionary should be lists or numpy arrays.
            * Nested dictionaries are not supported.
        Types: dict
 
    columns:
        Optional Argument.
        Specifies the column names for the DataFrame.
        Types: str OR list of str
 
    persist:
        Optional Argument.
        Specifies whether to persist the DataFrame.
        Default Value: False
        Types: bool
 
RETURNS:
    teradataml DataFrame
 
RAISES:
    TeradataMlException
 
EXAMPLES:
    >>> from teradataml import DataFrame
    >>> data_dict = {"name": ["Alice", "Bob", "Charlie"], "age": [25, 30, 28]}
 
    # Example 1: Create a teradataml DataFrame from a dictionary where
    #            keys are column names and values are lists of column data.
    >>> df = DataFrame.from_dict(data_dict)
    >>> df
          name  age
    0  Charlie   28
    1      Bob   30
    2    Alice   25
 
    # Example 2: Create a teradataml DataFrame from a dictionary where
    #            keys are column names and values are numpy arrays.
    >>> import numpy as np
    >>> data_dict = {"col1": np.array([1, 2, 3]), "col2": np.array([4, 5, 6])}
    >>> df = DataFrame.from_dict(data_dict)
    >>> df
       col1  col2
    0     3     6
    1     2     5
    2     1     4
 
    # Example 3: Persist the data from dictionary into a table which can be used across sessions.
    >>> df = DataFrame.from_dict(data_dict, persist=True)
    >>> df
          name  age
    0  Charlie   28
    1      Bob   30
    2    Alice   25
 
    # Get/view the database object name.
    >>> df.db_object_name
    '"ml__from_pandas_1761725700090504"'
 
    # Create the teradataml DataFrame using the database object name in different session.
    >>> DataFrame('"ml__from_pandas_1761725700090504"')
          name  age
    0  Charlie   28
    1      Bob   30
    2    Alice   25