or
Este exercício faz parte do curso
Neste primeiro capítulo, você vai aprender as vantagens e limitações do Python no Power BI e como habilitar esse recurso em uma pasta de trabalho. Você também fará a mesma tarefa usando ambas as tecnologias separadamente para se familiarizar com os pontos fortes e fracos de cada uma. O Power BI é uma ferramenta poderosa. Com Python, dá para deixá-la ainda mais poderosa!
Agora que você já está usando Python no Power BI, vamos avançar para outra etapa importante do processamento de dados: identificar dados ausentes e fazer imputação. Neste capítulo, você vai identificar dados ausentes em um conjunto de dados usando primeiro Python e depois Power BI. Em seguida, vai trabalhar no tratamento desses dados utilizando técnicas de imputação.
Neste capítulo, você vai construir várias visualizações em Python no Power BI, usando o pacote Seaborn. Especificamente, um gráfico de linhas, um pair plot e um joint plot. Você também vai aprender a interpretar essas visualizações para extrair insights dos dados. Até aqui, você já conhecerá algumas diferenças importantes entre Python e Power BI em etapas básicas de processamento de dados. O próximo passo é visualizar esses dados!
Neste capítulo, você continuará avaliando a relação entre variáveis. Desta vez, fará isso quantitativamente calculando o coeficiente de correlação. Você vai aprender a fazer isso no Power BI e depois em Python. Por fim, vai aproveitar o poder das visualizações do Seaborn para criar um mapa de calor de correlação! Ao concluir o curso, você estará afiado em Power BI, Python e técnicas de visualização de dados. Bom trabalho!
Exercício atual