Power BI 5 – Python-visualisoinnit

Visualisoinnit vaativat joskus edistyneempää data-analytiikkaa kuin se, mitä Power BI tarjoaa. Power BI -visualisoinneissa ja analytiikassa käytetäänkin Python-ohjelmointikieltä, sillä Power BI tukee useita Pythonin ohjelmakirjastoista, kuten numpy, pandas, matplotlib, seaborn, scikit-learn, scipy ja statsmodels. Tässä koulutuksessa opit Pythonin perusteet ja Python-ohjelmointikielen käytön Power BI:n visualisoinneissa ja analytiikassa.

Koulutuksessa tutustut tehokkaaseen Python-ohjelmointikieleen Power BI -ympäristössä. Opit määrittämään Python-ympäristön käyttöön Power BI -ohjelmassa sekä tekemään yksinkertaista data-analytiikkaa ja näyttäviä visualisointeja.

Ohjelmaversio

Koulutuksessa käytämme Power BI Desktop -ohjelman uusinta versiota ja Anaconda-kehitysympäristöön kuuluvaa selainpohjaista Jupyter Notebookia sekä WinPython ympäristön viimeisintä versiota.

Koulutuksen sisältö

Python-ympäristön käyttöönotto Power BI:ssa

• Anaconda
• WinPython
• Power BI Desktopin Python-komentosarjaeditorin asetukset
  
  

Python-ohjelmointikielen perusteet

• Ohjelmointikielen esittely
• Kommentit
• Koodin kirjoitussäännöt ja ohjelmalohkot
• Muuttujat
• Matriisit
• Kielen ohjausrakenteet
• Kirjastot ja kirjastojen käyttö (numpy, pandas, matplotlib, seaborn, scikit-learn, scipy ja statsmodels)
  
  

Tiedon tuonti Pythonilla Power BI Desktopiin

• Python-komentosarja tiedon tuontitapana
• Tarvittavien kirjastojen käyttöönotto
• Tietojoukon lataaminen dataframeen
• Dataframen tutkiminen
• Tiedon lisääminen, poistaminen ja muokkaaminen dataframessa
• Tiedon yhdistäminen useammasta dataframesta
• Laskennan alkeet
  
  

Python-visualisointien tekeminen

• Matplotlib ja seaborn kirjastoihin tutustuminen
• Tyylit
• Kaavioiden luonti
• Kaavioiden tietojen muokkaus
  
  

Python Power Query Editorissa

• Datan muokkaus editorissa Pythonilla
  
  

Python-visualisoinnit Power BI Desktopiin ladatusta datasta

• Jo ladatuista tiedosta tehtävät Python-visualisoinnit
  
  

Data-analyysia Pythonilla

• Esimerkkejä numpy, scikit-learn, scipy ja statsmodels kirjastojen käytöstä data-analyysin teossa Power Query Desktopissa.

Avainsanat

Python, Power BI, Power BI Desktop, Visualisointi, Data-analyysi, Kaavio, Numpy, Pandas, Matplotlib, Seaborn, Scikit-learn, Scipy, Statsmodels, Ohjelmakirjasto, Business Intelligence, Self Service Reporting