W pierwszym rozdziale poznasz zalety i ograniczenia Pythona w Power BI oraz dowiesz się, jak włączyć tę funkcję w skoroszycie. Wykonasz to samo zadanie przy użyciu obu technologii osobno, żeby lepiej poznać mocne i słabe strony każdej z nich. Power BI to potężne narzędzie – a Python sprawia, że staje się jeszcze potężniejsze!

Podstawy Pythona w Power BI

Opcje

Zaleta

Ograniczenie

Zalety i ograniczenia Pythona w Power BI

Konfiguracja, import i transformacja danych

Konfiguracja Power BI do pracy z Pythonem

Power BI: import i łączenie danych

Python: importowanie i łączenie danych

Pierwsze kroki z Pythonem w Power BI

Skoro masz już działające środowisko Pythona w Power BI, czas przejść do kolejnego ważnego etapu przetwarzania danych – wykrywania braków i imputacji. W tym rozdziale zidentyfikujesz brakujące dane w zbiorze danych za pomocą Pythona, a następnie Power BI. Następnie zajmiesz się obsługą braków danych, stosując techniki imputacji.

Brakujące dane i imputacja

Dane nielosowo brakujące

Wyszukiwanie brakujących danych

Wyszukiwanie brakujących danych w Pythonie

Wyszukiwanie brakujących danych w Power BI

Uzupełnianie brakujących wartości metodą imputacji

W tym rozdziale zbudujesz kilka wizualizacji opartych na Pythonie z użyciem pakietu Seaborn w Power BI. Będą to wykres liniowy, wykres par i wykres łączony. Nauczysz się też interpretować te wizualizacje, aby wyciągać wnioski z danych. Na tym etapie znasz już kluczowe różnice między Pythonem a Power BI w podstawowych krokach przetwarzania danych. Czas te dane zwizualizować!

Tworzenie wizualizacji z Seaborn

Porządkowanie kroków tworzenia wykresu

Tworzenie wizualizacji w Pythonie

Zaczynamy od wykresów liniowych

Utwórz pair plot

Generowanie wykresu połączonego (joint plot)

Wizualizacje z Seaborn w Power BI

W tym rozdziale będziesz kontynuować analizę zależności między zmiennymi – tym razem w sposób ilościowy, obliczając współczynnik korelacji. Nauczysz się to robić w Power BI, a potem w Pythonie. Na koniec wykorzystasz możliwości wizualizacji Seaborn, żeby stworzyć mapę ciepła korelacji. Po ukończeniu kursu będziesz sprawnie posługiwać się Power BI, Pythonem i technikami wizualizacji danych. Dobra robota!

Obliczanie współczynników korelacji

Klasyfikowanie korelacji

Jak obliczać w Power BI i Pythonie

Współczynnik korelacji w Power BI

Mapa cieplna korelacji z użyciem Seaborn

Mapa cieplna wolumenu połowów

Podsumowanie

Mapy ciepła i współczynniki korelacji

Exercises and Datasets

DataCamp vs. Local Experience

W tym kursie wprowadzającym do Pythona w Power BI będziesz pracować z danymi z badania dotyczącego przełowienia oraz z danymi sprzedawcy internetowego. Nauczysz się, jak używać skryptów Pythona w Power BI do przygotowania danych, tworzenia wizualizacji i obliczania współczynników korelacji. Do budowania niestandardowych wizualizacji opartych na Pythonie wykorzystasz pakiet Seaborn. Po ukończeniu kursu będziesz sprawniej posługiwać się Pythonem zarówno w Power BI, jak i poza nim.

Bez względu na to, czy zaczynałeś od Pythona, czy od Power BI – integracja obu narzędzi to cenne uzupełnienie warsztatu analityka danych. Kurs pokaże, jak łączyć zalety obu technologii i wybierać odpowiednią z nich do konkretnego zadania.

<h2>Dostosuj Power BI za pomocą Pythona </h2>
W tym kursie wprowadzającym do Pythona w Power BI wykorzystasz dane z badania nad przełowieniem oraz od sprzedawcy internetowego, aby nauczyć się używać skryptów Pythona w Power BI do przygotowania danych, tworzenia wizualizacji i obliczania współczynników korelacji. 
<br><br>
<h2>Twórz niestandardowe wizualizacje</h2>
W szczególności do tworzenia niestandardowych wizualizacji opartych na Pythonie będziesz korzystać z pakietu Seaborn. Po ukończeniu kursu powinieneś czuć się nieco pewniej, używając Pythona w Power BI i poza nim.
<br><br>
<h2>Wzmocnij swój zestaw narzędzi</h2>
Niezależnie od tego, czy najpierw byłeś Pythonistą, czy zaawansowanym użytkownikiem Power BI, integracja Pythona z Power BI to fantastyczne uzupełnienie zestawu narzędzi do pracy z danymi. Ten kurs pokaże, że korzystając z obu razem, możesz wykorzystać zalety każdego z nich, wybierając najlepsze rozwiązanie do danego zadania.


Introduction to DAX in Power BI

Introduction to Data Visualization with Seaborn

Naucz się używać skryptów Pythona w Power BI do przygotowania danych, wizualizacji i obliczania korelacji.

Wprowadzenie do Pythona w Power BI

Naucz się używać skryptów Python w Power BI do przygotowania danych, wizualizacji i obliczania współczynników korelacji.

Zbiory danych muszą mieć mniej niż 250 MB

W wizualizacji można użyć maksymalnie 150 000 wierszy

Zalety i ograniczenia Pythona w Power BI

Wprowadzenie do Pythona w Power BI

Interaktywne ćwiczenie praktyczne