or
Toto cvičení je součástí kurzu
V první kapitole se seznámíš s výhodami a omezeními Pythonu v Power BI a také s tím, jak tuto funkci v sešitu aktivovat. Stejný úkol pak splníš oběma technologiemi zvlášť, abys lépe pochopil/a silné a slabé stránky každé z nich. Power BI je výkonný nástroj — a Python ho dokáže posunout ještě dál!
Teď, když máš Python v Power BI rozběhnutý, se přesuneme k dalšímu důležitému kroku při zpracování dat — identifikaci chybějících dat a jejich imputaci. V této kapitole chybějící data v datasetu odhalíš nejprve pomocí Pythonu a poté v Power BI. Pak se pustíš do jejich řešení prostřednictvím imputačních technik.
V této kapitole vytvoříš několik vizuálů založených na Pythonu pomocí balíčku Seaborn přímo v Power BI — konkrétně spojnicový graf, pair plot a joint plot. Naučíš se také, jak tyto vizualizace interpretovat a získat z nich užitečné poznatky o datech. V tuto chvíli už budeš znát hlavní rozdíly mezi Pythonem a Power BI v základních krocích zpracování dat. Dalším krokem je tato data vizualizovat!
V této kapitole budeš dál zkoumat vztahy mezi proměnnými — tentokrát kvantitativně, výpočtem korelačního koeficientu. Nejprve se naučíš, jak na to v Power BI, a pak v Pythonu. Nakonec využiješ sílu vizualizací Seaborn a vytvoříš korelační heatmapu! Po dokončení kurzu budeš mít pevnou půdu pod nohama v Power BI, Pythonu i technikách datové vizualizace. Skvělá práce!
Aktuální cvičení