In diesem ersten Kapitel lernst du die Vorteile und Grenzen von Python in Power BI kennen und wie du diese Funktion in einer Arbeitsmappe aktivierst. Außerdem führst du dieselbe Aufgabe einmal mit Python und einmal mit Power BI aus, um die Stärken und Schwächen beider Technologien kennenzulernen. Power BI ist ein mächtiges Tool. Mit Python kannst du es noch leistungsfähiger machen! 

Die Grundlagen von Python in Power BI kennenlernen

Optionen

Vorteil

Einschränkung

Vor- und Nachteile von Python in Power BI

Daten einrichten, importieren und transformieren

Power BI für Python einrichten

Power BI: importieren und verknüpfen

Python: importieren und verknüpfen

Erste Schritte mit Python in Power BI

Jetzt, da Python in Power BI läuft, geht es weiter mit einem wichtigen Schritt der Datenverarbeitung – dem Erkennen fehlender Daten und der Imputation. In diesem Kapitel identifizierst du fehlende Werte zunächst mit Python, dann mit Power BI. Anschließend gehst du das Thema durch, indem du Imputationstechniken einsetzt, um fehlende Daten zu beheben.

Fehlende Daten und Imputation

Nicht zufällig fehlende Daten

Fehlende Daten finden

Fehlende Daten mit Python finden

Fehlende Daten in Power BI finden

Fehlende Werte per Imputation behandeln

In diesem Kapitel erstellst du mehrere Python-basierte Visualisierungen in Power BI mithilfe des Seaborn-Pakets: konkret ein Liniendiagramm, ein Pair Plot und ein Joint Plot. Du lernst außerdem, wie du diese Visualisierungen interpretierst, um Erkenntnisse aus den Daten zu gewinnen. Bis hierhin kennst du einige der wichtigsten Unterschiede zwischen Python und Power BI bei grundlegenden Verarbeitungsschritten. Der nächste Schritt: diese Daten visualisieren!

Visualisierungen mit Seaborn erstellen

Die Schritte zum Erstellen eines Plots in die richtige Reihenfolge bringen

Python-basierte Visualisierungen erstellen

Einstieg mit Liniendiagrammen

Erstelle einen Pairplot

Erstelle einen Joint Plot

Visualisierungen mit Seaborn in Power BI

In diesem Kapitel untersuchst du weiter die Beziehungen zwischen Variablen. Diesmal tust du das quantitativer, indem du den Korrelationskoeffizienten berechnest. Du lernst, wie das in Power BI und anschließend in Python funktioniert. Abschließend nutzt du die Stärke der Seaborn-Visualisierungen, um eine Korrelations-Heatmap zu erstellen! Wenn du den Kurs abgeschlossen hast, bist du fit in Power BI, Python und in Visualisierungstechniken. Stark gemacht!

Korrelationskoeffizienten berechnen

Korrelation klassifizieren

So rechnest du in Power BI und Python

Korrelationskoeffizient in Power BI

Korrelations-Heatmap mit seaborn

Ein Heatmap zu Fangmengen

Zusammenfassung

Heatmaps und Korrelationskoeffizienten

DataCamp vs. Local Experience

Exercises and Datasets

In diesem Einführungskurs zu Python in Power BI arbeitest du mit Daten aus einer Studie zur Überfischung und eines Onlinehändlers. Du lernst, wie du Python-Skripte in Power BI für die Datenaufbereitung, Visualisierungen und zur Berechnung von Korrelationskoeffizienten einsetzt. Für benutzerdefinierte Python-basierte Visuals verwendest du das Paket Seaborn. Am Ende solltest du dich mit Python in (und außerhalb von) Power BI deutlich wohler fühlen.

Egal, ob du zuerst Pythonista oder Power-BI-Profi warst – Python in Power BI zu integrieren, ist eine großartige Erweiterung deines Datentools. Dieser Kurs zeigt dir, wie du beide zusammen nutzt, um die Stärken beider Welten auszuspielen und jeweils das beste Werkzeug für die Aufgabe zu wählen.

<h2>Power BI mit Python anpassen </h2>
In dieser Einführung in den Kurs „Python in Power BI“ wirst du Daten aus einer Studie zur Überfischung und von einem Online-Händler nutzen, um zu lernen, wie man Python-Skripte in Power BI für die Datenvorbereitung, Visualisierungen und die Berechnung von Korrelationskoeffizienten einsetzt. 
<br><br>
<h2>Individuelle Visualisierungen erstellen</h2>
Speziell für die Erstellung benutzerdefinierter Python-basierter Visualisierungen wirst du das Seaborn-Paket nutzen. Am Ende solltest du dich ein bisschen wohler dabei fühlen, Python in (und außerhalb von) Power BI zu benutzen.
<br><br>
<h2>Mach deine Toolbox fit</h2>
Egal, ob du schon immer Python-Fan oder Power BI-Profi warst – Python in Power BI zu integrieren, ist echt eine coole Ergänzung für dein Daten-Toolkit. Dieser Kurs zeigt dir, dass du durch die Kombination beider Methoden die Vorteile beider nutzen und die beste für die jeweilige Aufgabe auswählen kannst.


Introduction to DAX in Power BI

Introduction to Data Visualization with Seaborn

Lernen Sie, Python-Skripte in Power BI für Datenvorbereitung, Visualisierungen und Korrelationen zu nutzen.

Einstieg in Python in Power BI

Lerne, wie du Python-Skripte in Power BI für die Datenvorbereitung, Visualisierungen und die Berechnung von Korrelationskoeffizienten nutzen kannst.

Berechnungen sind in DAX schwer zu konstruieren

Datensätze müssen kleiner als 250 MB sein

Bis zu 150.000 Zeilen können in einer Visualisierung verwendet werden

Datensätze sind auf „Public“ gesetzt

Vor- und Nachteile von Python in Power BI

Interaktive praktische Übung