Dans ce premier chapitre, vous apprendrez les avantages et les limites de Python dans Power BI, ainsi que la manière d’activer cette fonctionnalité dans un classeur. Vous réaliserez également la même tâche avec chaque technologie séparément pour vous familiariser avec les forces et faiblesses de chacune. Power BI est un outil puissant. Python peut le rendre encore plus puissant ! 

Découvrir les bases de Python dans Power BI

Options

Avantage

Limite

Avantages et limites de Python dans Power BI

Configurer, importer et transformer des données

Configurer Power BI pour Python

Power BI : importation et jointure

Python : importer et joindre

Premiers pas avec Python dans Power BI

Maintenant que vous avez démarré avec Python dans Power BI, passons à une autre étape importante du traitement des données : l’identification des 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 apprendrez ensuite à traiter ces données manquantes en mettant en œuvre des techniques d’imputation.

Données manquantes et imputation

Données manquantes de façon non aléatoire

Identifier les données manquantes

Repérer les données manquantes avec Python

Recherche de données manquantes dans Power BI

Traiter les valeurs manquantes par imputation

Dans ce chapitre, vous construirez plusieurs visualisations basées sur Python dans Power BI à l’aide du package Seaborn : un graphique linéaire, un pair plot et un joint plot. Vous apprendrez aussi à interpréter ces visualisations pour en tirer des insights sur les données. À ce stade, vous connaîtrez certaines des différences clés entre Python et Power BI pour les étapes de traitement de données de base. L’étape suivante 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 en courbes

Produire un pair plot

Générer un joint plot

Visualisations avec Seaborn dans Power BI

Dans ce chapitre, vous continuerez d’évaluer la relation entre les variables. Cette fois, vous le ferez de manière quantitative en calculant le coefficient de corrélation. Vous apprendrez à le faire d’abord dans Power BI, puis dans Python. Enfin, vous exploiterez la puissance des visualisations Seaborn pour créer une carte thermique de corrélation ! À la fin du cours, vous maîtriserez Power BI, Python et des techniques de visualisation de données. Beau travail !

Calculer des coefficients de corrélation

Classer la corrélation

Comment calculer dans Power BI et en Python

Coefficient de corrélation dans Power BI

Carte de chaleur des corrélations avec seaborn

Une heatmap du volume de pêche

Récapitulatif

Cartes thermiques et coefficients de corrélation

DataCamp vs. Local Experience

Exercises and Datasets

Dans ce cours d’introduction à Python dans Power BI, vous utiliserez des données issues 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 spécifiquement le package Seaborn. À la fin, vous devriez vous sentir un peu plus à l’aise avec l’utilisation de Python dans Power BI (et en dehors).

Que vous soyez d’abord un·e Pythonista ou un·e utilisateur·rice chevronné·e de Power BI, intégrer Python à Power BI est un excellent ajout à votre boîte à outils data. Ce cours vous montrera qu’en combinant les deux, vous pouvez tirer parti des atouts de chacun et choisir le meilleur outil selon la tâche à accomplir.

<h2>Personnaliser Power BI avec Python </h2>
Dans cette introduction au cours Python dans Power BI, vous utiliserez les données issues d'une étude sur la surpêche et d'un détaillant en ligne pour apprendre à utiliser les scripts Python dans Power BI pour la préparation des données, les visualisations et le calcul des coefficients de corrélation. 
<br><br>
<h2>Créer des visuels personnalisés</h2>
Pour créer des visuels personnalisés basés sur Python, vous utiliserez le package Seaborn. À la fin, vous devriez vous sentir plus à l'aise avec l'utilisation de Python dans (et en dehors de) Power BI.
<br><br>
<h2>Améliorez votre boîte à outils</h2>
Que vous soyez avant tout un utilisateur Python ou un utilisateur expérimenté de Power BI, l'intégration de Python dans Power BI constitue un excellent ajout à votre boîte à outils de données. Ce cours démontrera qu'en utilisant les deux ensemble, vous pouvez tirer parti des avantages de chacun et choisir celui qui convient le mieux à 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 des données et créer des visualisations.

Introduction à Python dans Power BI

Apprenez à utiliser les scripts Python dans Power BI pour préparer les data, les visualiser et calculer les coefficients de corrélation.

Les calculs sont difficiles à construire en DAX

Les jeux de données doivent faire moins de 250 Mo

Jusqu’à 150 000 lignes peuvent être utilisées dans une visualisation

Jeux de données définis sur « Public »

Avantages et limites de Python dans Power BI

Exercice interactif pratique