reklama - zainteresowany?

Dodaj mocy Power BI! Jak za pomoc - Helion

Dodaj mocy Power BI! Jak za pomoc
ebook
Autor: Luca Zavarella, Francesca Lazzeri
Tytuł oryginału: Extending Power BI with Python and R: Ingest, transform, enrich, and visualize data using the power of analytical languages
Tłumaczenie: Rados
ISBN: 978-83-283-9454-4
stron: 488, Format: ebook
Księgarnia: Helion

Cena książki: 119,00 zł

Książka będzie dostępna od listopada 2022

Tagi: Power BI | Python - Programowanie | R - Programowanie

Wa

 

Zobacz także:

  • The Ultimate Power Query Cookbook for Power BI and Excel
  • Big Data and Analytics
  • Excel BI and Dashboards in 7 Days
  • Mastering Power BI - 2nd Edition
  • Python for Finance

Spis treści

Dodaj mocy Power BI! Jak za pomocą kodu w Pythonie i R pobierać, przekształcać i wizualizować dane eBook -- spis treści

Przedmowa

O autorze

O recenzentach

Wstęp

Część I. Najlepsze praktyki korzystania z języków R i Python w usłudze Power BI

Rozdział 1. Gdzie i jak używać w usłudze Power BI skryptów języka R i Python?

  • Wymagania techniczne
  • Wstrzykiwanie skryptów języka R lub Python do usługi Power BI
    • Ładowanie danych
    • Przekształcanie danych
    • Wizualizacja danych
  • Korzystanie z języków R i Python do interakcji z danymi
  • Ograniczenia stosowania języków R i Python dla różnych produktów usługi Power BI
  • Podsumowanie

Rozdział 2. Konfigurowanie języka R na potrzeby usługi Power BI

  • Wymagania techniczne
  • Dostępne silniki języka R
    • Dystrybucja CRAN R
    • Dystrybucja Microsoft R Open i MRAN
    • Klient Microsoft R
    • Stopniowe wycofywanie dystrybucji Microsoft R Open
  • Wybór silnika języka R do zainstalowania
    • Silniki języka R używane w usłudze Power BI
    • Instalowanie sugerowanych silników języka R
  • Instalowanie środowiska IDE w celu programowania w języku R
    • Instalacja programu RStudio
  • Konfigurowanie programu Power BI Desktop do pracy z językiem R
  • Konfigurowanie usługi Power BI do pracy z językiem R
    • Instalowanie lokalnej bramy danych w trybie osobistym
    • Udostępnianie raportów używających skryptów języka R w usłudze Power BI
  • Ograniczenia wizualizacji języka R
  • Podsumowanie

Rozdział 3. Konfigurowanie języka Python na potrzeby usługi Power BI

  • Wymagania techniczne
  • Dostępne silniki Pythona
  • Wybór silnika języka Python do zainstalowania
    • Silniki języka Python wykorzystywane w usłudze Power BI
    • Instalowanie sugerowanych silników języka Python
  • Instalowanie środowiska IDE na potrzeby programowania w języku Python
    • Konfigurowanie obsługi Pythona w środowisku programu RStudio
    • Konfigurowanie języka Python w środowisku programu Visual Studio Code
  • Konfigurowanie programu Power BI Desktop do pracy z językiem Python
  • Konfigurowanie usługi Power BI do pracy z językiem R
    • Udostępnianie raportów używających skryptów języka Python w usłudze Power BI
  • Ograniczenia wizualizacji w Pythonie
  • Podsumowanie

Część II. Pozyskiwanie i przekształcanie danych za pomocą języków R i Python w usłudze Power BI

Rozdział 4. Importowanie nieobsługiwanych obiektów danych

  • Wymagania techniczne
  • Importowanie plików RDS w języku R
    • Krótkie wprowadzenie do Tidyverse
    • Tworzenie zserializowanych obiektów w języku R
    • Korzystanie z plików RDS w usłudze Power BI
  • Importowanie plików PKL w Pythonie
    • Krótkie wprowadzenie do PyData
    • Tworzenie zserializowanego obiektu Pythona
    • Korzystanie z pliku PKL w usłudze Power BI
  • Podsumowanie
  • Bibliografia

Rozdział 5. Korzystanie z wyrażeń regularnych w usłudze Power BI

  • Wymagania techniczne
  • Krótkie wprowadzenie do regeksów
    • Podstawowe informacje o regeksach
    • Sprawdzanie poprawności adresów e-mail
    • Sprawdzanie poprawności dat
  • Sprawdzanie poprawności danych przy użyciu regeksów w usłudze Power BI
    • Korzystanie z regeksów w usłudze Power BI do sprawdzania poprawności adresów e-mail z wykorzystaniem języka Python
    • Korzystanie z regeksów w usłudze Power BI do sprawdzania poprawności adresów e-mail za pomocą języka R
    • Korzystanie z regeksów w usłudze Power BI do sprawdzania poprawności dat za pomocą języka Python
    • Korzystanie z regeksów w usłudze Power BI do sprawdzania poprawności dat za pomocą języka R
  • Ładowanie do usługi Power BI złożonych plików logów z wykorzystaniem regeksów
    • Logi dostępu do serwera Apache
    • Importowanie logów dostępu serwera Apache w usłudze Power BI za pomocą języka Python
    • Importowanie logów dostępu serwera Apache w usłudze Power BI za pomocą języka R
  • Wyodrębnianie wartości z tekstu w usłudze Power BI przy użyciu regeksów
    • Jeden regex do zarządzania wszystkimi danymi
    • Używanie regeksów w usłudze Power BI do wyodrębniania wartości z wykorzystaniem języka Python
    • Korzystanie z regeksów w usłudze Power BI do wyodrębniania wartości za pomocą języka R
  • Podsumowanie
  • Bibliografia

Rozdział 6. Anonimizacja i pseudonimizacja danych w usłudze Power BI

  • Wymagania techniczne
  • Deidentyfikacja danych
    • Techniki deidentyfikacji
    • Istota pseudonimizacji
    • Czym jest anonimizacja?
  • Anonimizacja danych w usłudze Power BI
    • Anonimizacja danych za pomocą języka Python
    • Anonimizacja danych za pomocą języka R
  • Pseudonimizacja danych w usłudze Power BI
    • Pseudonimizacja danych za pomocą języka Python
    • Pseudonimizacja danych w języku R
  • Podsumowanie
  • Bibliografia

Rozdział 7. Zapisywanie danych z usługi Power BI do źródeł zewnętrznych

  • Wymagania techniczne
  • Zapis danych do plików CSV
    • Zapis do plików CSV w języku Python
    • Zapis informacji do plików CSV za pomocą języka R
  • Zapisywanie informacji do plików programu Excel
    • Zapisywanie informacji do plików Excela za pomocą języka Python
    • Zapis do plików Excela za pomocą języka R
  • Zapis danych do serwera Azure SQL Server
    • Instalacja programu SQL Server Express
    • Tworzenie bazy danych w usłudze Azure SQL Database
    • Zapis danych do serwera Azure SQL Server za pomocą języka Python
    • Zapis danych na serwerze Azure SQL za pomocą języka R
  • Podsumowanie
  • Bibliografia

Rozdział 8. Ładowanie do usługi Power BI zbiorów danych przekraczających dostępną pamięć RAM

  • Wymagania techniczne
  • Typowy scenariusz analityczny obejmujący wykorzystanie obszernego zestawu danych
  • Importowanie dużych zestawów danych w języku Python
    • Instalowanie Dask na laptopie
    • Tworzenie obiektów DataFrame pakietu Dask
    • Wyodrębnianie informacji z obiektu DataFrame pakietu Dask
    • Importowanie dużego zestawu danych w usłudze Power BI z wykorzystaniem języka Python
  • Importowanie dużych zestawów danych za pomocą języka R
    • Instalowanie pakietu disk.frame na laptopie
    • Tworzenie egzemplarza obiektu disk.frame
    • Wyodrębnianie informacji z obiektu disk.frame
    • Importowanie dużego zestawu danych w usłudze Power BI za pomocą języka R
  • Podsumowanie
  • Bibliografia

Część III. Wzbogacanie danych w usłudze Power BI za pomocą języków R i Python

Rozdział 9. Wywoływanie zewnętrznych interfejsów API w celu wzbogacania danych

  • Wymagania techniczne
  • Czym jest usługa sieciowa?
  • Rejestrowanie się w usłudze Bing Maps Web Services
  • Geokodowanie adresów z wykorzystaniem języka Python
    • Korzystanie z jawnego żądania GET
    • Korzystanie ze współbieżnych żądań GET
    • Korzystanie z biblioteki Geocoder w trybie programowania współbieżnego
  • Geokodowanie adresów za pomocą języka R
    • Korzystanie z jawnych żądań GET
    • Korzystanie ze współbieżnych żądań GET
    • Korzystanie z pakietu tidygeocoder do współbieżnego wykonywania kodu
  • Korzystanie z usług sieciowych z poziomu usługi Power BI
    • Geokodowanie adresów w usłudze Power BI za pomocą języka Python
    • Geokodowanie adresów w usłudze Power BI za pomocą języka R
  • Podsumowanie
  • Bibliografia

Rozdział 10. Obliczanie kolumn przy użyciu złożonych algorytmów

  • Wymagania techniczne
  • Obliczanie odległości między dwiema lokalizacjami geograficznymi
    • Trygonometria sferyczna
    • Twierdzenie cosinusów
    • Wzór Haversinesa
    • Wzór Vincenty'ego
    • Jakiego wzoru odległości używać i kiedy?
  • Implementacja algorytmów wyznaczania odległości w Pythonie
    • Obliczanie odległości w języku Python
    • Obliczanie odległości w usłudze Power BI za pomocą języka Python
  • Implementacja algorytmów wyznaczania odległości w języku R
    • Obliczanie odległości za pomocą języka R
    • Obliczanie odległości w usłudze Power BI za pomocą języka R
  • Podstawy programowania liniowego
    • Równania i nierówności liniowe
    • Formułowanie problemu optymalizacji liniowej
  • Definicja problemu LP do rozwiązania
    • Formułowanie problemu LP
  • Rozwiązywanie problemów optymalizacji w języku Python
    • Rozwiązywanie problemu LP za pomocą języka Python
    • Rozwiązywanie problemu programowania liniowego za pomocą języka Python w usłudze Power BI
  • Rozwiązywanie problemów programowania liniowego za pomocą języka R
    • Rozwiązywanie problemu LP w języku R
    • Rozwiązywanie problemu programowania liniowego za pomocą języka R w usłudze Power BI
  • Podsumowanie
  • Bibliografia

Rozdział 11. Dodawanie statystyk: powiązania

  • Wymagania techniczne
  • Badanie powiązań między zmiennymi
  • Korelacja między zmiennymi liczbowymi
    • Współczynnik korelacji Karla Pearsona
    • Współczynnik korelacji Charlesa Spearmana
    • Współczynnik korelacji Maurice'a Kendalla
    • Opis przypadku
    • Implementacja obliczeń współczynników korelacji w Pythonie
    • Implementacja obliczeń współczynników korelacji w języku R
    • Implementacja obliczania współczynników korelacji w usłudze Power BI za pomocą języków Python i R
  • Korelacje między zmiennymi kategorycznymi a liczbowymi
    • Związek między dwiema zmiennymi kategorycznymi
    • Związki pomiędzy zmiennymi liczbowymi a kategorycznymi
    • Implementacja obliczania współczynników korelacji w Pythonie
    • Implementacja obliczania współczynników korelacji w języku R
    • Implementacja obliczania współczynników korelacji w usłudze Power BI za pomocą języków R i Python
  • Podsumowanie
  • Bibliografia

Rozdział 12. Dodawanie statystyk: wartości odstające i wartości brakujące

  • Wymagania techniczne
  • Czym są wartości odstające i jak sobie z nimi radzić?
    • Przyczyny istnienia wartości odstających
    • Obsługa wartości odstających
  • Identyfikacja wartości odstających
    • Jednowymiarowe wartości odstające
    • Wielowymiarowe wartości odstające
  • Implementacja algorytmów wykrywania wartości odstających
    • Implementacja wykrywania wartości odstających w Pythonie
    • Implementacja wykrywania wartości odstających w języku R
    • Implementacja wykrywania wartości odstających w usłudze Power BI
  • Czym są wartości brakujące i jak sobie z nimi radzić?
    • Przyczyny brakujących wartości
    • Obsługa wartości brakujących
  • Diagnozowanie brakujących wartości z wykorzystaniem języków R i Python
  • Implementacja algorytmów imputacji brakujących wartości
    • Usuwanie brakujących wartości
    • Imputacja danych tabelarycznych
    • Imputacja danych szeregów czasowych
    • Imputacja brakujących wartości w usłudze Power BI
  • Podsumowanie
  • Bibliografia

Rozdział 13. Korzystanie z uczenia maszynowego bez licencji Premium lub Embedded

  • Wymagania techniczne
  • Interakcje z mechanizmami uczenia maszynowego w usłudze Power BI z wykorzystaniem przepływów danych
  • Korzystanie z rozwiązań AutoML
    • PyCaret
    • Azure AutoML
    • RemixAutoML dla języka R
  • Osadzanie kodu szkoleniowego w dodatku Power Query
    • Szkolenie i korzystanie z modeli ML z wykorzystaniem biblioteki PyCaret
    • Korzystanie z biblioteki PyCaret w usłudze Power BI
  • Korzystanie z przeszkolonych modeli w dodatku Power Query
    • Ocena obserwacji w dodatku Power Query przy użyciu przeszkolonego modelu PyCaret
  • Korzystanie z przeszkolonych modeli w wizualizacjach utworzonych za pomocą skryptów
    • Ocenianie obserwacji w skrypcie wizualizacji z wykorzystaniem przeszkolonego modelu PyCaret
  • Wywoływanie usług sieciowych w dodatku Power Query
    • Korzystanie z usług Cognitive Services w dodatku Power Query
  • Podsumowanie
  • Bibliografia

Część IV. Wizualizacja danych za pomocą języka R w usłudze Power BI

Rozdział 14. Eksploracyjna analiza danych

  • Wymagania techniczne
  • Jaki jest cel EDA?
    • Zrozumienie sensu danych
    • Oczyszczanie danych
    • Odkrywanie powiązań między zmiennymi
  • Analiza EDA z wykorzystaniem języków R i Python
  • Analiza EDA w usłudze Power BI
    • Strona podsumowania zestawu danych
    • Eksploracja brakujących wartości
    • Eksploracja jednowymiarowa
    • Eksploracja wielowymiarowa
    • Powiązania zmiennych
  • Podsumowanie
  • Bibliografia

Rozdział 15. Zaawansowane wizualizacje

  • Wymagania techniczne
  • Tworzenie wykresu kołowego
  • Implementacja kołowego wykresu słupkowego w języku R
  • Implementacja kołowego wykresu słupkowego w usłudze Power BI
  • Podsumowanie
  • Bibliografia

Rozdział 16. Interaktywne niestandardowe wizualizacje języka R

  • Wymagania techniczne
  • Zalety stosowania interaktywnych niestandardowych wizualizacji w języku R
  • Dodawanie elementów interaktywnych za pomocą biblioteki Plotly
  • Wykorzystanie elementów interaktywnych za pośrednictwem widżetów HTML
  • Tworzenie niestandardowych wizualizacji w usłudze Power BI
    • Instalowanie pakietu pbiviz
    • Tworzenie pierwszej niestandardowej wizualizacji R HTML
  • Importowanie pakietu niestandardowej wizualizacji do usługi Power BI
  • Podsumowanie
  • Bibliografia

Skorowidz

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.