En este primer capítulo, aprenderás las ventajas y limitaciones de Python en Power BI, así como a habilitar esta capacidad dentro de un cuaderno de trabajo. También realizarás la misma tarea utilizando ambas tecnologías por separado para familiarizarte con las fortalezas y debilidades de cada una. Power BI es una herramienta muy potente. ¡Python se puede aprovechar para hacerlo aún más potente! 

Aprender los conceptos básicos de Python en Power BI

Opciones

Ventaja

Limitación

Ventajas y desventajas de Python en Power BI

Configurar, importar y transformar datos

Configurar Power BI para Python

Power BI: importar y unir

Python: importar y unir

Introducción a Python en Power BI

Ahora que ya estás trabajando con Python en Power BI, pasemos a otro paso importante del procesamiento de datos: la identificación de datos faltantes y la imputación. En este capítulo, identificarás los datos que faltan en un conjunto de datos utilizando Python y, a continuación, Power BI. A continuación, trabajarás en la resolución de los datos faltantes utilizando técnicas de imputación.

Datos faltantes e imputación

Datos que faltan de forma no aleatoria

Encontrar datos perdidos

Encontrar datos faltantes con Python

Encontrar datos faltantes en Power BI

Tratamiento de los valores perdidos mediante imputación

En este capítulo, crearás varias visualizaciones basadas en Python, utilizando el paquete Seaborn, en Power BI. Concretamente, un gráfico de líneas, un gráfico de pares y un gráfico conjunto. También aprenderás a interpretar estas visualizaciones para extraer información sobre los datos. Llegados a este punto, ya conocerás algunas de las diferencias clave entre Python y Power BI en los pasos básicos del procesamiento de datos.  ¡El siguiente paso es visualizar estos datos!

Creación de visualizaciones con Seaborn

Ordenar los pasos para construir un gráfico

Creación de visualizaciones basadas en Python

Comenzando con gráficos de líneas

Elabora un gráfico de pares.

Generar un gráfico conjunto

Visualizaciones con Seaborn en Power BI

En este capítulo, continuarás evaluando la relación entre variables. En esta ocasión, lo harás de forma cuantitativa calculando el coeficiente de correlación. Aprenderás cómo hacerlo en Power BI y luego en Python. Por último, ¡aprovecharás el poder de las visualizaciones de Seaborn para crear un mapa de calor de correlación! Cuando termines el curso, serás un experto en Power BI, Python y técnicas de visualización de datos. ¡Buen trabajo!

Cálculo de los coeficientes de correlación

Clasificación de la correlación

Cómo realizar cálculos en Power BI y Python

Coeficiente de correlación en Power BI

Mapa de calor de correlación con Seaborn

Mapa de calor del volumen de pesca

Resumen

Mapas de calor y coeficientes de correlación

Exercises and Datasets

DataCamp vs. Local Experience

En esta introducción al curso Python en Power BI, utilizarás datos de un estudio sobre la sobrepesca y de un minorista en línea para aprender a usar scripts de Python en Power BI para la preparación de datos, visualizaciones y cálculo de coeficientes de correlación. Específicamente para crear elementos visuales personalizados basados en Python, utilizarás el paquete Seaborn. Al final, deberías sentirte un poco más cómodo utilizando Python en (y fuera de) Power BI.

Tanto si eres un experto en Python como si eres un usuario avanzado de Power BI, integrar Python en Power BI es una fantástica incorporación a tu caja de herramientas de datos. Este curso demostrará que, al utilizar los dos juntos, puedes aprovechar las ventajas de cada uno y elegir el más adecuado para la tarea que tengas entre manos.

<h2>Personaliza Power BI con Python </h2>
En esta introducción al curso Python en Power BI, utilizarás datos de un estudio sobre la sobrepesca y de un minorista en línea para aprender a usar scripts de Python en Power BI para la preparación de datos, visualizaciones y cálculo de coeficientes de correlación. 
<br><br>
<h2>Crear imágenes personalizadas</h2>
Específicamente para crear elementos visuales personalizados basados en Python, utilizarás el paquete Seaborn. Al final, deberías sentirte un poco más cómodo utilizando Python en (y fuera de) Power BI.
<br><br>
<h2>Potencia tu caja de herramientas</h2>
Tanto si eres un experto en Python como si eres un usuario avanzado de Power BI, integrar Python en Power BI es una fantástica incorporación a tu caja de herramientas de datos. Este curso demostrará que, al utilizar los dos juntos, puedes aprovechar las ventajas de cada uno y elegir el más adecuado para la tarea que tengas entre manos.


Introduction to DAX in Power BI

Introduction to Data Visualization with Seaborn

Aprende a usar scripts de Python en Power BI para preparar datos, visualizar y calcular correlaciones.

Aprende a utilizar scripts de Python en Power BI para preparar datos, crear visualizaciones y calcular coeficientes de correlación.

Los cálculos son difíciles de construir en DAX.

Los conjuntos de datos deben tener menos de 250 MB.

Se pueden utilizar hasta 150 000 filas en una visualización.

Conjuntos de datos configurados como «Públicos»

Ventajas y desventajas de Python en Power BI

Introducción a Python en Power BI

ejercicio interactivo práctico