Mestring af Datavisualisering

4.6+

7 anmeld.

Intermediate

Først og fremmest vil vi diskutere anvendelserne af NumPy og hvorfor det er populært. Derefter vil du lære forskellige mulige muligheder for at oprette forskellige arrays i NumPy.

Det er nu tid til at lære, hvordan man bruger indeksnotation til at hente specifikke elementer eller delmængder af data fra arrays. Du vil også lære, hvordan man bruger indekser til at hente data baseret på visse betingelser og håndtere manglende værdier.

Der er en del almindelige operationer på arrays, som du måske ønsker at udføre. Heldigvis har NumPy indbyggede funktioner og metoder til dette formål, som du vil lære her.

Det er tid til at opdage, hvordan man effektivt bruger matematiske operationer på NumPy-arrays og anvender dem i nogle virkelige problemer.

I denne sektion vil vi udforske grundlæggende elementer i Series- og DataFrame-strukturer. Du vil også lære om forskellene mellem disse to typer strukturer.

Data kan hentes i forskellige formater, såsom CSV, JSON, SQL, HTML og mere. Med Pandas er du ikke begrænset til et enkelt format — du kan arbejde med data på tværs af en lang række filtyper. I dette kapitel vil vi specifikt fokusere på CSV- og TXT-formaterne.

Her vil du lære, hvordan man behandler rådata ved at fjerne overflødig information og håndtere null-værdier i et datasæt.

Først vil vi diskutere plot-applikationer, Matplotlib-biblioteket og dets fordele. Derefter vil du oprette dit første simple plot ved hjælp af Matplotlib.

Nu er du klar til at oprette forskellige diagrammer, der ofte anvendes i praksis. Uden yderligere forsinkelse går vi i gang med det samme!

Plotning og visualisering handler ikke kun om at skabe et plot eller flere plots, men også om at gøre dem klare, forståelige og behagelige at se på. Det er tid til at lære tilpasning af plots i matplotlib.

Statistik er afgørende i arbejdet med data, og det er derfor meget vigtigt at kende til oprettelse af forskellige statistiske diagrammer. Nu er det tid til at udforske de mest almindelige af dem.

Seaborn er et andet kraftfuldt visualiseringsbibliotek i Python, bygget oven på matplotlib. Nu hvor du er bekendt med matplotlib, er det tid til at fordybe sig i visualisering med seaborn.

Dyk ned i Power BI-universet og opbyg et solidt fundament. Du vil dække alt fra installation og opsætning til tilslutning af datakilder og oprettelse af din første rapport.

Undersøg essentielle teknikker til dataklargøring, herunder rensning, transformation og kombination af flere datakilder. Du vil også arbejde med håndtering af manglende værdier, dataprofilering og forskellige metoder til datamanipulation.

Behersk grundlæggende principper for datamodellering, fra forståelse af datamodeller og oprettelse af relationer til introduktion til DAX-grundlæggende. Du lærer også at oprette målinger og beregnede kolonner.

Opdag forskellige visualiseringsteknikker og tilpas visuelle elementer for bedre indsigt. Du vil også udforske avancerede funktioner som slicere, filtre og drill-down/drill-through-muligheder for at forbedre din dataanalyse.

Forøg anvendeligheden og den fortællende styrke i dine rapporter ved at bruge temaer, konfigurere rapportsider og udnytte avancerede funktioner såsom Analyse-funktionen og identifikation af afvigere. Du vil også oprette grupper, intervaller og klynger for dybere indsigt.

This section lays the groundwork for mastering Tableau by guiding you through installation, navigation, and foundational operations. From performing joins and splitting columns to understanding filters, marks, and the data pane, you will be equipped with essential tools for data exploration and visualization.

This section delves into Tableau's powerful tools for data organization, filtering, and customization. You'll learn to differentiate dimensions and measures, work with continuous and discrete fields, and create calculated fields and interactive dashboards. Through practical challenges, you'll apply these tools to analyze data, uncover insights, and enhance your visualizations.

This section focuses on creating impactful visualizations to uncover patterns and trends in your data. From heatmaps and scatter plots to treemaps and combination charts, you'll explore a variety of chart types tailored to different analytical needs.

This section introduces advanced visualization techniques to enhance data analysis and storytelling. You'll learn to create bullet graphs, stacked area charts, histograms, and box plots, enabling deeper insights into trends, distributions, and comparisons.