After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Anpassa Power BI med Python
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.Skapa anpassade visualiseringar
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.Ge din verktygslåda mer kraft
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.Förkunskapskrav
Kursplan
Kursöversikt
1
Kom igång med Python i Power BI
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!
2
Saknade värden och imputering
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.
3
Visualiseringar med Seaborn i Power BI
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!
4
Värmekartor och korrelationskoefficienter
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!
Introduktion till Python i Power BI
Kurs
slutförd
