or
Ця вправа є частиною курсу
У цьому першому розділі ви дізнаєтеся про переваги й обмеження Python у Power BI, а також як увімкнути цю можливість у робочій книзі. Ви також виконаєте однакове завдання окремо в кожній технології, щоб краще зрозуміти їхні сильні та слабкі сторони. Power BI — потужний інструмент. А з Python він стає ще потужнішим!
Тепер, коли ви вже запустили Python у Power BI, перейдемо до ще одного важливого кроку обробки даних — виявлення пропущених значень та їх імпутації. У цьому розділі ви знайдете пропущені дані в наборі даних спочатку за допомогою Python, а потім — Power BI. Далі ви опрацюєте підхід до заповнення пропусків, застосувавши методи імпутації.
У цьому розділі ви створите кілька візуалізацій на Python у Power BI за допомогою пакета Seaborn: лінійний графік, парний графік (pair plot) і спільний графік (joint plot). Ви також навчитеся інтерпретувати ці візуалізації, щоб отримувати інсайти з даних. На цьому етапі ви вже знатимете деякі ключові відмінності між Python і Power BI у базових кроках обробки даних. Наступний крок — візуалізувати ці дані!
У цьому розділі ви продовжите оцінювати взаємозв'язки між змінними. Цього разу — кількісно, обчислюючи коефіцієнт кореляції. Ви дізнаєтеся, як зробити це спочатку в Power BI, а потім у Python. Нарешті, ви використаєте потужність візуалізацій Seaborn, щоб створити теплокарту кореляцій. Коли завершите курс, ви впевнено володітимете Power BI, Python і прийомами візуалізації даних. Чудова робота!
Поточна вправа