I det här första kapitlet lär du dig fördelarna och begränsningarna med Python i Power BI, samt hur du aktiverar den här funktionen i en arbetsbok. Du utför också samma uppgift med respektive teknik separat för att bekanta dig med styrkor och svagheter hos båda. Power BI är ett kraftfullt verktyg – och med Python kan du göra det ännu kraftfullare!

Lär dig grunderna i Python i Power BI

Alternativ

Fördel

Begränsning

För- och nackdelar med Python i Power BI

Konfigurera, importera och transformera data

Konfigurera Power BI för Python

Power BI: importera och koppla ihop

Python: importera och koppla ihop

Kom igång med Python i Power BI

Nu när du är igång med Python i Power BI är det dags att ta nästa steg: att identifiera saknade värden och arbeta med imputering. I det här kapitlet identifierar du saknade värden i en datamängd med hjälp av Python och sedan Power BI. Därefter arbetar du igenom hur du hanterar saknade värden med hjälp av imputeringstekniker.

Saknade värden och imputering

Data som saknas av icke-slumpmässiga skäl

Hitta saknade data

Hitta saknade värden med Python

Hitta saknade data i Power BI

Hantera saknade värden med imputering

I det här kapitlet skapar du flera Python-baserade visualiseringar i Power BI med paketet Seaborn – närmare bestämt ett linjediagram, ett pardiagram och ett kombinationsdiagram. Du lär dig också att tolka dessa visualiseringar för att dra insikter ur datan. Nu känner du till några viktiga skillnader mellan Python och Power BI vid grundläggande databearbetning. Nästa steg är att visualisera datan!

Bygga visualiseringar med Seaborn

Ordna stegen för att skapa ett diagram

Bygg Python-baserade visualiseringar

Kom igång med linjediagram

Skapa ett parplot

Skapa ett jointdiagram

Visualiseringar med Seaborn i Power BI

I det här kapitlet fortsätter du att undersöka sambandet mellan variabler – den här gången kvantitativt, genom att beräkna korrelationskoefficienten. Du lär dig hur du gör det i Power BI och sedan i Python. Slutligen använder du Seaborns visualiseringsmöjligheter för att skapa en korrelationsvärmekartan! När du är klar med kursen har du goda kunskaper i Power BI, Python och datavisualiseringstekniker. Bra jobbat!

Beräkna korrelationskoefficienter

Klassificera korrelation

Beräkna korrelationskoefficienter i Power BI och Python

Korrelationskoefficient i Power BI

Korrelationsheatmap med Seaborn

En heatmap över fiskevolymer

Avslutning

Värmekartor och korrelationskoefficienter

Exercises and Datasets

DataCamp vs. Local Experience

I den här kursen om Python i Power BI använder du data från en studie om överfiske och en näthandlare för att lära dig hur du använder Python-skript i Power BI för dataförberedelse, visualiseringar och beräkning av korrelationskoefficienter. För att bygga anpassade Python-baserade visualiseringar använder du paketet Seaborn. När du är klar bör du känna dig tryggare med att använda Python i – och utanför – Power BI.

Oavsett om du kommer från Python eller Power BI är det en stor fördel att kunna kombinera de två. Kursen visar hur du drar nytta av styrkorna hos varje verktyg och väljer det som passar bäst för uppgiften.

<h2>Anpassa Power BI med Python </h2>
I denna introduktion till Python i Power BI-kursen kommer du att använda data från en studie om överfiske och en nätbutik för att lära dig hur du använder Python-skript i Power BI för databeredning, visualiseringar och beräkning av korrelationskoefficienter. 
<br><br>
<h2>Skapa anpassade visualiseringar</h2>
Specifikt för att skapa anpassade Python-baserade visualiseringar kommer du att använda paketet Seaborn. I slutet bör du känna dig lite mer bekväm med att använda Python i Power BI, både i och utanför det.
<br><br>
<h2>Ge din verktygslåda mer kraft</h2>
Oavsett om du först var en Pythonista eller en Power BI-användare på hög nivå, är det ett fantastiskt tillskott till dataverktygslådan att integrera Python i Power BI. Den här kursen visar att du, genom att använda de två tillsammans, kan dra nytta av fördelarna med båda och välja den bästa för uppgiften som ska lösas.


Introduction to DAX in Power BI

Introduction to Data Visualization with Seaborn

Lär dig använda Python-skript i Power BI för databeräkning, visualisering och korrelationskoefficienter.

Introduktion till Python i Power BI

Lär dig använda Python-skript i Power BI för databeredning, visualiseringar och beräkning av korrelationskoefficienter.

Beräkningar som är svåra att konstruera i DAX

Datamängder måste vara mindre än 250 MB

Upp till 150 000 rader kan användas i en visualisering

För- och nackdelar med Python i Power BI

Introduktion till Python i Power BI

Interaktiv övning med praktiskt arbete