or
Questo esercizio fa parte del corso
In questo primo capitolo imparerai vantaggi e limiti di Python in Power BI e come attivare questa funzionalità all’interno di un workbook. Eseguirai anche lo stesso compito utilizzando entrambe le tecnologie separatamente, per familiarizzare con punti di forza e debolezze di ciascuna. Power BI è uno strumento potente. Con Python puoi renderlo ancora più potente!
Ora che hai iniziato a usare Python in Power BI, passiamo a un altro importante passaggio di elaborazione dei dati: identificare i dati mancanti e l’imputazione. In questo capitolo individuerai i dati mancanti in un insieme di dati prima con Python, poi con Power BI. Quindi affronterai i dati mancanti applicando tecniche di imputazione.
In questo capitolo costruirai diverse visualizzazioni basate su Python in Power BI utilizzando il pacchetto Seaborn: in particolare, un line plot, un pair plot e un joint plot. Imparerai anche a interpretare queste visualizzazioni per ricavare insight dai dati. A questo punto conoscerai alcune differenze chiave tra Python e Power BI nei passaggi di elaborazione di base. Il passo successivo è visualizzare questi dati!
In questo capitolo continuerai a valutare la relazione tra variabili. Questa volta lo farai in modo quantitativo calcolando il coefficiente di correlazione. Imparerai a farlo prima in Power BI e poi in Python. Infine, sfrutterai la potenza delle visualizzazioni Seaborn per creare una mappa di calore delle correlazioni! Quando avrai terminato il corso, avrai competenze in Power BI, Python e tecniche di visualizzazione dei dati. Ottimo lavoro!
Esercizio attuale