teradataml.dataframe.dataframe.DataFrame.min = min(self)

DESCRIPTION:
    Returns column-wise minimum value of the dataframe.
 
PARAMETERS:
    None
 
RETURNS:
    teradataml DataFrame object with min()
    operation performed.
 
RAISES:
    TeradataMLException
    1. TDMLDF_AGGREGATE_FAILED - If min() operation fails to
        generate the column-wise minimum value of the dataframe.
 
        Possible error message:
        Unable to perform 'min()' on the dataframe.
 
    2. TDMLDF_AGGREGATE_COMBINED_ERR - If the min() operation
        doesn't support all the columns in the dataframe.
 
        Possible error message:
        No results. Below is/are the error message(s):
        All selected columns [(col2 -  PERIOD_TIME), (col3 -
        BLOB)] is/are unsupported for 'min' operation.
 
EXAMPLES :
    # Load the data to run the example.
    >>> from teradataml.data.load_example_data import load_example_data
    >>> load_example_data("dataframe", ["employee_info"])
 
    # Create teradataml dataframe.
    >>> df1 = DataFrame("employee_info")
    >>> print(df1)
                first_name marks   dob joined_date
    employee_no
    101              abcde  None  None    02/12/05
    100               abcd  None  None        None
    112               None  None  None    18/12/05
    >>>
 
    # Prints minimum value of each column(with supported data types).
    >>> df1.min()
      min_employee_no min_first_name min_marks min_dob min_joined_date
    0             100           abcd      None    None        02/12/05
    >>>
 
    # Select only subset of columns from the DataFrame.
    # Prints minimum value of each column(with supported data types).
    >>> df3 = df1.select(['employee_no', 'first_name', 'joined_date'])
    >>> df3.min()
      min_employee_no min_first_name min_joined_date
    0             100           abcd        02/12/05
    >>>