在第一章中，你會學到在 Power BI 中使用 Python 的優勢與限制，以及如何在活頁簿中啟用這項功能。你也會分別使用兩種技術完成相同任務，熟悉各自的強項與弱點。Power BI 是功能強大的工具。結合 Python 能讓它更上一層樓！

在 Power BI 中學習 Python 基礎

在 Power BI 中使用 Python 的優缺點

設定、匯入與轉換資料

在 Power BI 中設定 Python

Power BI：匯入與合併

Python：匯入與合併

在 Power BI 中開始使用 Python

既然你已經在 Power BI 中順利使用 Python，接下來前進到另一個重要的資料處理步驟——辨識遺漏值與插補。本章中，你會先用 Python，再用 Power BI，找出資料集中遺漏的資料。接著，你會透過各種插補技術來處理這些遺漏值。

遺漏值與插補

非隨機遺漏的資料

尋找遺漏資料

用 Python 找出遺漏值

在 Power BI 中尋找遺漏值

用插補處理遺漏值

本章中，你會在 Power BI 裡使用 Seaborn 套件建立多個以 Python 為基礎的視覺化，包含折線圖、成對圖（pair plot）與聯合圖（joint plot）。你也會學習如何解讀這些視覺化，從資料中擷取洞見。到這裡為止，你已了解 Python 與 Power BI 在基本資料處理步驟上的一些關鍵差異。下一步就是把這些資料視覺化！

使用 Seaborn 建立視覺化

安排建立圖表的步驟順序

建立以 Python 為基礎的視覺化

從折線圖開始

產生成對圖

產生 joint plot

在 Power BI 中使用 Seaborn 製作視覺化

在本章中，你會持續評估變數之間的關係。這次會以量化方式，計算相關係數。你會先在 Power BI，再在 Python 中完成這件事。最後，你會運用 Seaborn 視覺化的威力來建立相關性熱圖！完成本課程後，你將熟悉 Power BI、Python，以及資料視覺化技巧。做得很好！

計算相關係數

分類相關性

如何在 Power BI 與 Python 中計算

Power BI 中的相關係數

使用 seaborn 的相關係數熱圖

漁獲量的熱度圖

總結

熱圖與相關係數

Exercises and Datasets

DataCamp vs. Local Experience

在這門 Power BI 中的 Python 入門課程中，你會使用過度捕撈研究與線上零售商的資料，學習如何在 Power BI 中使用 Python 指令碼進行資料前處理、視覺化，以及計算相關係數。特別是在建立自訂的 Python 視覺化時，會使用 Seaborn 套件。課程結束時，你應該會更熟悉在 Power BI（以及 Power BI 以外）中使用 Python。

不論你一開始是 Python 使用者還是 Power BI 的進階使用者，把 Python 整合進 Power BI 都能大幅強化你的資料工具箱。本課程會示範如何結合兩者的優勢，並在手邊的任務中選擇最合適的工具。

<h2>使用 Python 自訂 Power BI </h2>
在這門 Python in Power BI 入門課程中，您將運用過度捕撈研究和線上零售商的數據，學習如何在 Power BI 中使用 Python 腳本進行資料準備、視覺化，以及計算相關係數。 
<br><br>
<h2>建立自訂視覺化</h2>
專為建立自訂的 Python 視覺化內容，您將會使用 Seaborn 套件。 完成本課程後，您將能更自信地在 Power BI 內外運用 Python。
<br><br>
<h2>強化你的工具箱</h2>
無論您最初是 Python 專家還是 Power BI 高手，將 Python 整合到 Power BI 中，都是強化資料工具箱的絕佳選擇。 本課程將說明如何結合這兩者的優勢，讓您能根據不同任務選擇最合適的工具，充分發揮各自的效益。


Introduction to DAX in Power BI

Introduction to Data Visualization with Seaborn

學習在Power BI中使用Python腳本進行數據準備、可視化和計算相關係數。

Power BI 中的 Python 入門

掌握在 Power BI 中運用 Python 腳本進行資料準備、視覺化及計算相關係數。

用插補處理遺漏值

Power BI 中的 Python 入門

動手互動練習