您刚学习了如何在 Power BI 中设置 Python，以及它的优势和限制。来检验一下您的掌握情况吧！
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本章中，您将了解在 Power BI 中使用 Python 的优势与局限，以及如何在工作簿中启用该功能。您还会分别使用这两种技术完成同一任务，从而熟悉各自的长处与短板。Power BI 功能强大。结合 Python 可以让它更加强大。
当前练习
既然您已经在 Power BI 中成功运行 Python，接下来进入另一项重要的数据处理步骤——识别缺失数据与进行插补。在本章中，您将先用 Python，再用 Power BI，在数据集中识别缺失数据。随后，您将运用插补技术来处理这些缺失数据。
在本章中，您将使用 Seaborn 包，在 Power BI 中构建多种基于 Python 的可视化，包括折线图、配对图和联合分布图。您还将学习如何解读这些图表，从数据中提炼洞见。此时，您已经了解了 Python 与 Power BI 在基础数据处理步骤中的一些关键差异。下一步就是把数据可视化呈现出来。
在本章中，您将继续评估变量之间的关系。这一次，您将通过计算相关系数，以定量方式进行评估。您会先在 Power BI 中，再在 Python 中完成计算。最后，借助 Seaborn 的可视化功能创建相关性热力图。完成本课程后，您将在 Power BI、Python 以及数据可视化技术方面更为熟练。做得很好。
