or
Deze oefening maakt deel uit van de cursus
In dit eerste hoofdstuk leer je de voordelen en beperkingen van Python in Power BI, en hoe je deze functie inschakelt in een werkmap. Je voert ook dezelfde taak uit met beide technologieën afzonderlijk om vertrouwd te raken met de sterke en zwakke punten van beide. Power BI is een krachtig hulpmiddel. Met Python kun je het nog krachtiger maken!
Nu je Python in Power BI aan de praat hebt, gaan we verder met een andere belangrijke stap in gegevensverwerking: ontbrekende gegevens opsporen en imputatie. In dit hoofdstuk identificeer je ontbrekende gegevens in een gegevensset met Python en daarna met Power BI. Vervolgens ga je aan de slag met het aanpakken van ontbrekende waarden met behulp van imputatietechnieken.
In dit hoofdstuk bouw je in Power BI verschillende Python-gebaseerde visualisaties met het Seaborn-pakket. Concreet maak je een lijndiagram, pair plot en joint plot. Je leert ook hoe je deze visualisaties interpreteert om inzichten uit de data te halen. Tegen die tijd ken je enkele belangrijke verschillen tussen Python en Power BI bij basisstappen in gegevensverwerking. De volgende stap is: deze data visualiseren!
In dit hoofdstuk ga je verder met het beoordelen van de relatie tussen variabelen. Dit keer doe je dat kwantitatief door de correlatiecoëfficiënt te berekenen. Je leert hoe je dit eerst in Power BI en daarna in Python doet. Tot slot benut je de kracht van Seaborn-visualisaties om een correlatie-heatmap te maken! Als je de cursus afrondt, ben je bedreven in Power BI, Python en technieken voor datavisualisatie. Goed gedaan!
Huidige oefening