Dans ce premier chapitre, vous apprendrez les avantages et les limites de Python dans Power BI ainsi que la façon d'activer cette fonctionnalité dans un classeur. Vous effectuerez aussi la même tâche avec chacune des technologies séparément pour vous familiariser avec leurs forces et leurs faiblesses. Power BI est un outil puissant. En y intégrant Python, vous pouvez le rendre encore plus puissant!

Découvrir les bases de Python dans Power BI

Avantages et limites de Python dans Power BI

Configurer, importer et transformer des données

Configurer Power BI pour Python

Power BI : importer et joindre

Python : importation et jointure

Premiers pas avec Python dans Power BI

Maintenant que vous êtes prêt à travailler avec Python dans Power BI, passons à une autre étape importante du traitement des données : repérer les données manquantes et l'imputation. Dans ce chapitre, vous identifierez les données manquantes dans un jeu de données avec Python, puis avec Power BI. Vous verrez ensuite comment traiter les données manquantes en appliquant des techniques d'imputation.

Données manquantes et imputation

Données manquantes de façon non aléatoire

Repérer les valeurs manquantes

Repérer les données manquantes avec Python

Repérer les données manquantes dans Power BI

Traitement des valeurs manquantes par imputation

Dans ce chapitre, vous construirez plusieurs visualisations basées sur Python dans Power BI à l'aide du paquet Seaborn, notamment un graphique linéaire, un pair plot et un joint plot. Vous apprendrez également à interpréter ces visualisations pour en tirer des insights sur les données. À ce stade, vous connaîtrez certaines des principales différences entre Python et Power BI dans les étapes de traitement de données de base. La prochaine étape consiste à visualiser ces données!

Créer des visualisations avec Seaborn

Ordonner les étapes pour construire un graphique

Créer des visualisations avec Python

Premiers pas avec les graphiques linéaires

Produire un pair plot

Générer un joint plot

Visualisations avec Seaborn dans Power BI

Dans ce chapitre, vous continuerez d'évaluer la relation entre des variables. Cette fois, vous le ferez de manière quantitative en calculant le coefficient de corrélation. Vous apprendrez à le faire dans Power BI, puis dans Python. Enfin, vous mettrez à profit la puissance des visualisations Seaborn pour créer une carte thermique de corrélation! Une fois le cours terminé, vous aurez des compétences en Power BI, en Python et en techniques de visualisation de données. Beau travail!

Calcul du coefficient de corrélation

Classer la corrélation

Comment calculer dans Power BI et Python

Coefficient de corrélation dans Power BI

Carte thermique de corrélation avec seaborn

Une carte thermique du volume de pêche

Récapitulatif

Cartes thermiques et coefficients de corrélation

Exercises and Datasets

DataCamp vs. Local Experience

Dans ce cours d'introduction à Python dans Power BI, vous utiliserez des données provenant d'une étude sur la surpêche et d'un détaillant en ligne pour apprendre à utiliser des scripts Python dans Power BI pour la préparation des données, la création de visualisations et le calcul de coefficients de corrélation. Pour créer des visuels personnalisés basés sur Python, vous utiliserez particulièrement le paquet Seaborn. À la fin, vous devriez vous sentir plus à l'aise d'utiliser Python dans Power BI (et à l'extérieur de Power BI).

Que vous ayez d'abord été un adepte de Python ou un utilisateur chevronné de Power BI, intégrer Python à Power BI est un excellent ajout à votre boîte à outils de données. Ce cours vous montrera qu'en utilisant les deux ensemble, vous pouvez tirer parti des avantages de chacun et choisir le meilleur outil selon la tâche à accomplir.

<h2>Personnalisez Power BI avec Python </h2>
Dans cette introduction au cours Python dans Power BI, vous utiliserez des données provenant d’une étude sur la surpêche et d’un détaillant en ligne pour apprendre à utiliser des scripts Python dans Power BI pour la préparation des données, les visualisations et le calcul des coefficients de corrélation. 
<br><br>
<h2>Construire des visuels sur mesure</h2>
Plus précisément, pour créer des visuels personnalisés basés sur Python, vous utiliserez le package Seaborn. À la fin, vous devriez vous sentir un peu plus à l’aise d’utiliser Python dans Power BI, et en dehors de celui-ci.
<br><br>
<h2>Optimisez votre boîte à outils</h2>
Que vous soyez d’abord un adepte de Python ou un utilisateur avancé de Power BI, intégrer Python à Power BI est un excellent ajout à votre boîte à outils de données. Ce cours démontrera qu’en les utilisant ensemble, vous pouvez tirer parti des avantages de chacun, en choisissant le meilleur pour la tâche à accomplir.


Introduction to DAX in Power BI

Introduction to Data Visualization with Seaborn

Apprenez à utiliser des scripts Python dans Power BI pour préparer les données et créer des visualisations.

Introduction à Python dans Power BI

Apprenez à utiliser des scripts Python dans Power BI pour la préparation des données, les visualisations et le calcul des coefficients de corrélation.

Données manquantes de façon non aléatoire

Introduction à Python dans Power BI

Exercice interactif pratique