Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Power BI mit Python anpassen
In dieser Einführung in den Kurs „Python in Power BI“ wirst du Daten aus einer Studie zur Überfischung und von einem Online-Händler nutzen, um zu lernen, wie man Python-Skripte in Power BI für die Datenvorbereitung, Visualisierungen und die Berechnung von Korrelationskoeffizienten einsetzt.Individuelle Visualisierungen erstellen
Speziell für die Erstellung benutzerdefinierter Python-basierter Visualisierungen wirst du das Seaborn-Paket nutzen. Am Ende solltest du dich ein bisschen wohler dabei fühlen, Python in (und außerhalb von) Power BI zu benutzen.Mach deine Toolbox fit
Egal, ob du schon immer Python-Fan oder Power BI-Profi warst – Python in Power BI zu integrieren, ist echt eine coole Ergänzung für dein Daten-Toolkit. Dieser Kurs zeigt dir, dass du durch die Kombination beider Methoden die Vorteile beider nutzen und die beste für die jeweilige Aufgabe auswählen kannst.Voraussetzungen
Lernprogramm
Kursübersicht
1
Erste Schritte mit Python in Power BI
In diesem ersten Kapitel lernst du die Vorteile und Grenzen von Python in Power BI kennen und wie du diese Funktion in einer Arbeitsmappe aktivierst. Außerdem führst du dieselbe Aufgabe einmal mit Python und einmal mit Power BI aus, um die Stärken und Schwächen beider Technologien kennenzulernen. Power BI ist ein mächtiges Tool. Mit Python kannst du es noch leistungsfähiger machen!
2
Fehlende Daten und Imputation
Jetzt, da Python in Power BI läuft, geht es weiter mit einem wichtigen Schritt der Datenverarbeitung – dem Erkennen fehlender Daten und der Imputation. In diesem Kapitel identifizierst du fehlende Werte zunächst mit Python, dann mit Power BI. Anschließend gehst du das Thema durch, indem du Imputationstechniken einsetzt, um fehlende Daten zu beheben.
3
Visualisierungen mit Seaborn in Power BI
In diesem Kapitel erstellst du mehrere Python-basierte Visualisierungen in Power BI mithilfe des Seaborn-Pakets: konkret ein Liniendiagramm, ein Pair Plot und ein Joint Plot. Du lernst außerdem, wie du diese Visualisierungen interpretierst, um Erkenntnisse aus den Daten zu gewinnen. Bis hierhin kennst du einige der wichtigsten Unterschiede zwischen Python und Power BI bei grundlegenden Verarbeitungsschritten. Der nächste Schritt: diese Daten visualisieren!
4
Heatmaps und Korrelationskoeffizienten
In diesem Kapitel untersuchst du weiter die Beziehungen zwischen Variablen. Diesmal tust du das quantitativer, indem du den Korrelationskoeffizienten berechnest. Du lernst, wie das in Power BI und anschließend in Python funktioniert. Abschließend nutzt du die Stärke der Seaborn-Visualisierungen, um eine Korrelations-Heatmap zu erstellen! Wenn du den Kurs abgeschlossen hast, bist du fit in Power BI, Python und in Visualisierungstechniken. Stark gemacht!
Einstieg in Python in Power BI
Kurs
abgeschlossen
