{"id":177653,"date":"2023-06-03T21:26:43","date_gmt":"2023-06-03T20:26:43","guid":{"rendered":"https:\/\/liora.io\/de\/?p=177653"},"modified":"2026-02-06T06:42:31","modified_gmt":"2026-02-06T05:42:31","slug":"power-bi-python-tools-fuer-data-science-kombinieren","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/power-bi-python-tools-fuer-data-science-kombinieren","title":{"rendered":"Power BI Python: Tools f\u00fcr Data Science kombinieren"},"content":{"rendered":"

Power BI Python: Python kann in Power BI integriert werden, um die Data-Science-F\u00e4higkeiten der Business-Intelligence-Plattform von Microsoft um ein Vielfaches zu steigern. Finde heraus, wie du diese Python und Power BI kombinieren kannst, welche M\u00f6glichkeiten sich dir bieten und wie du eine Schulung absolvieren kannst, um sie zu beherrschen.<\/strong><\/p>\nDie Programmiersprache Python<\/a> ist eine der am h\u00e4ufigsten verwendeten Programmiersprachen f\u00fcr Data Science und Datenanalyse.<\/a> Sie erweist sich als sehr praktisch, um komplexe Aufgaben im Zusammenhang mit Datentransformation, Visualisierung, Machine Learning<\/a> oder k\u00fcnstlicher Intelligenz durchzuf\u00fchren.\n\nDie Business-Intelligence-Plattform von Microsoft, Power BI<\/a>, erm\u00f6glicht Self-Service-BI und insbesondere die Visualisierung von Daten aus verschiedenen Quellen.\n\nSeit 2018 erm\u00f6glicht Power BI jedoch die Integration von statistischen und allgemeinen Programmiersprachen wie R<\/a> und Python. Diese Integration bringt neue M\u00f6glichkeiten mit sich und erweitert die F\u00e4higkeiten von Power BI, z. B. bei der Extraktion und Transformation von Daten oder der Erstellung von Machine-Learning-Modellen.\n\nBusiness-Intelligence-Experten<\/strong> m\u00fcssen f\u00fcr Data-Science-Aufgaben nicht mehr auf ein Data-Science-Team zur\u00fcckgreifen, und Python-Entwickler brauchen kein BI-Team mehr, um ihre Analysen in Form von Berichten oder Dashboards zu pr\u00e4sentieren.\n\nDer moderne Data Scientist muss Daten mit dem Ziel auswerten, die Probleme des Unternehmens zu l\u00f6sen. Dies geschieht durch das Sammeln, Bereinigen, Erforschen und Umwandeln von Daten<\/strong>, um zuk\u00fcnftige Ereignisse vorherzusagen, und dann durch das Pr\u00e4sentieren der Analyseergebnisse in Form eines Berichts oder eines Dashboards.\n\nFolglich existiert die Grenze zwischen Data Scientist und Business Analyst<\/a> nicht mehr wirklich. Die Integration zwischen Python und Power BI erm\u00f6glicht es, sich an diese neue Realit\u00e4t anzupassen.\n\n?Auch interessant:\n\n\n<\/colgroup>\n\n\n\n\n\n\n\n
PL-300 Zertifizierung<\/a><\/td>\n<\/tr>\n
Power BI Desktop Anleitung<\/a><\/td>\n<\/tr>\n
DAX Power BI<\/a><\/td>\n<\/tr>\n
Dataflow Power BI<\/a><\/td>\n<\/tr>\n
Power BI Direct Query<\/a><\/td>\n<\/tr>\n
Power BI Slicers<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Power BI Python – Wieso sollte man beide zusammen benutzen ?<\/h3>\nDie Verwendung von Python mit Power BI<\/strong> bietet viele M\u00f6glichkeiten, mit Daten zu arbeiten. Dadurch werden die M\u00f6glichkeiten der Plattform nahezu unbegrenzt.\n\nDu kannst Python f\u00fcr das Data Cleaning (Datenreinigung)<\/a> verwenden, indem du Skripte schreibst, die die l\u00e4stigsten Aufgaben automatisieren, wie das Entfernen fehlender Werte oder die Korrektur von Datumsformaten.<\/strong>\n\nPython-Skripte sind auch sehr n\u00fctzlich f\u00fcr die Umwandlung von Daten. Dieser Prozess kann sich n\u00e4mlich mit dem Power Query Editor<\/a> als langsam und m\u00fchsam erweisen.\n\nAu\u00dferdem kann mit Python der volle Wert der Daten durch Techniken der pr\u00e4diktiven Analyse<\/a> und des Machine Learning aufgedeckt werden. Dadurch k\u00f6nnen auch eventuell fehlende Daten kompensiert werden.\n\nF\u00fcr die Data Visualization<\/a> erm\u00f6glicht Python, einem Bericht komplexe und personalisierte Visualisierungen hinzuzuf\u00fcgen. Schlie\u00dflich bietet diese Sprache die M\u00f6glichkeit, Datenquellen zu verbinden, die von Power BI nicht nativ unterst\u00fctzt werden.\n
\n\t\t\t\t\t\t\t\t\t\t\"\"
<\/figcaption><\/figure>\n

Power BI Python – Die Grenzen<\/h3>\nTrotz der Vielzahl an M\u00f6glichkeiten<\/strong> hat die Power BI Python<\/strong> Integration auch ihre Grenzen. Zun\u00e4chst einmal m\u00fcssen die mit Python hinzugef\u00fcgten Datenquellen zwingend \u00f6ffentlich sein.\n\nNur Pandas DataFrames<\/strong> k\u00f6nnen mithilfe von Python in Power BI importiert werden.\n\nAu\u00dferdem ist die Ausf\u00fchrungszeit auf 30 Minuten f\u00fcr Skripte und 5 Minuten f\u00fcr Visuals beschr\u00e4nkt.\n\nDie Anzahl der von Power BI Service unterst\u00fctzten Python-Bibliotheken ist begrenzt. Nur Matplotlib, NumPy,<\/a> Pandas, Scikit-learn, Scipy<\/a>, Seaborn<\/a>, Statsmodels und XGBoost sind kompatibel.\n\nBeachte, dass Pandas und Matplotlib<\/a> zwingend installiert sein m\u00fcssen, damit die Integration zwischen Power BI und Python funktioniert.\n\nSchlie\u00dflich unterst\u00fctzen die Python-Visualisierungen<\/strong> keine Cross-Filterung. Das bedeutet, dass die Auswahl eines Elements in einer Python-Ansicht nicht dazu f\u00fchrt, dass derselbe Filter auch in anderen Ansichten aktiviert wird. Dadurch wird die Interaktivit\u00e4t in einem Power BI-Bericht eingeschr\u00e4nkt.\n

Kann man Python anstelle der DAX-Sprache verwenden?<\/h3>\nDie DAX-Sprache<\/a> oder Data Analysis Expressions erm\u00f6glicht es, verschiedene Messungen zu erstellen und die Daten in Power BI zu manipulieren.\n\nF\u00fcr alle Elemente, die nicht dynamisch generiert werden m\u00fcssen, gibt es zahlreiche Alternativen. So kannst du beispielsweise mithilfe von Python neue Spalten zu einem Dashboard hinzuf\u00fcgen.\n

Was sind die Voraussetzungen, um Python auf Power BI zu verwenden?<\/h3>\nUm Python auf Power BI<\/strong> zu verwenden, sind mehrere Dinge erforderlich. Du musst die Python-Laufzeitumgebung, auf der die Skripte ausgef\u00fchrt werden, sowie die Bibliotheken Pandas, Matplotlib und Seaborn installieren.\n\nEs ist auch m\u00f6glich, den Code-Editor Visual Studio<\/strong> Code zu verwenden, um die Python-Skripte effizienter zu schreiben, aber das ist nur eine Option.\n\nDu kannst die Python-Skripte auch \u00fcber den Skript-Editor von Power BI schreiben.\n\nDer Code-Editor bietet jedoch n\u00fctzliche Funktionen wie Syntax-Highlighting<\/strong>. Du kannst Visual Studio Code von der offiziellen Website herunterladen. Achte schlie\u00dflich darauf, dass du die Einstellungen von Power BI aktualisierst, um mit Python arbeiten zu k\u00f6nnen.\n
\n\t\t\t\t\t\t\t\t\t\t\"\"\n\n
<\/figcaption><\/figure>\n

Wie richte ich diese beiden Werkzeuge ein?<\/h3>\nBevor du Skripte in Power BI<\/strong> schreiben kannst, musst du die neueste Version von Python von der offiziellen Website installieren. In der Dokumentation von Power BI<\/strong> empfiehlt Microsoft<\/a>, Umgebungsmanager wie Anaconda zu vermeiden, um Probleme bei der Ausf\u00fchrung von Skripten zu vermeiden.\n\nEs ist m\u00f6glich, diese Einschr\u00e4nkung zu umgehen, um eine benutzerdefinierte Umgebung auf Anaconda<\/a> zu verwenden, indem du die Umgebung von der Befehlszeile aus aktivierst, bevor du Power BI Destkop ebenfalls von der Befehlszeile aus \u00f6ffnest.\n\nWenn du mit diesen Programmierkonzepten nicht vertraut bist, solltest du dich an die Empfehlungen von Power BI halten und Python von der Website herunterladen, ohne die benutzerdefinierten Umgebungen zu verwenden.\n\nNachdem du Python installiert<\/strong> hast, musst du den Pfad zur Datei in Power BI Desktop angeben. Vom Men\u00fcband aus w\u00e4hlst du „Datei“, dann „Optionen und Einstellungen“ und dann „Optionen“.\n\nIn der Liste der Optionen suchst du nach „Scripting Python“. Jetzt musst du nur noch den Ordner mit deiner Python-Distribution in der Liste finden, die alle auf deinem Computer installierten Python-Distributionen enth\u00e4lt.\n\nWenn du jedoch den Dateipfad<\/strong> manuell eingeben m\u00f6chtest, bedenke, dass nur absolute Dateipfade unterst\u00fctzt werden. Du kannst keine relativen Dateipfade eingeben.\n\nNachdem du Python auf Power BI installiert<\/strong> und konfiguriert hast, kannst du Skripte auf vielf\u00e4ltige Weise verwenden. Insbesondere ist es m\u00f6glich, sie als Datenquelle zu verwenden, um neue Daten zu importieren, eine bestehende Datenquelle im Power Query Editor anzureichern oder die Daten auf dem Power BI Report Canvas<\/strong> zu visualisieren.\n\n?Auch interessant:\n\n\n<\/colgroup>\n\n\n\n\n\n\n\n
Amazon Quicksight<\/a><\/td>\n<\/tr>\n
Power BI Online<\/a><\/td>\n<\/tr>\n
Power BI Report Server Leitfaden<\/a><\/td>\n<\/tr>\n
Power Query Excel aktivieren<\/a><\/td>\n<\/tr>\n
Power BI Datum<\/a><\/td>\n<\/tr>\n
DATEDIFF Power BI<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Python als Datenquelle f\u00fcr Power BI<\/h3>\nUm Python als Datenquelle f\u00fcr Power BI<\/strong> zu verwenden, gehe auf den Start-Tab und w\u00e4hle die Option „Daten beziehen“, um die vollst\u00e4ndige Liste der Datensammlungen anzuzeigen.\n\nW\u00e4hle die Kategorie „Andere“ und suche in der Liste nach „Python-Skript“.<\/strong> Du kannst nun ein Python-Skript schreiben, um eine Datensammlung<\/strong> zu importieren. Auf dem Bildschirm erscheint ein Dialogfenster, in dem du aufgefordert wirst, deinen Python-Code<\/strong> einzugeben.\n\nErinnere dich daran, dass Power BI nur Pandas DataFrames<\/strong> importieren kann. Daher ist es notwendig, den Datensatz<\/a> zuerst mithilfe von „pd.DataFrame“ zu konvertieren.\n\nDiese Funktion ist sehr n\u00fctzlich, um eine Datenquelle zu verbinden, die von Power BI<\/strong> standardm\u00e4\u00dfig nicht unterst\u00fctzt wird. Sie ist auch praktisch f\u00fcr Datens\u00e4tze, die vor dem Import viele Transformationen ben\u00f6tigen, z. B. von einer API.\n\nMit dieser Methode kannst du komplexe Datenrahmen<\/strong> mithilfe von Python erstellen und sie in Power BI importieren. Du kannst auch Datenmanipulationen mithilfe der Pandas-Bibliothek<\/a> durchf\u00fchren und dann das endg\u00fcltige Dataset in Power BI importieren, um Visualisierungen zu erstellen.\n\nDadurch wird die Nutzung von Power BI f\u00fcr Data<\/strong> Scientists und Data Analysts, die bereits mit der Datenmanipulation in der Programmiersprache Python vertraut sind, viel einfacher.\n
\n\t\t\t\t\t\t\t\t\t\t\"\"\n\n
<\/figcaption><\/figure>\n

Python f\u00fcr k-Mittelwert-Partitionierung in Power BI<\/h3>\nDie Partitionierung nach k-Mittelwerten oder k-means clustering<\/a> ist eine Technik des Machine Learning, mit der Gruppen von Datenpunkten gefunden werden k\u00f6nnen, die einander \u00e4hnlich sind: die Cluster.\n\nDiese Technik ist besonders n\u00fctzlich f\u00fcr das Marketing oder den Kundenservice, um die Kunden besser zu verstehen.\n\nEs ist durchaus m\u00f6glich, eine Clusteranalyse von Daten in Power BI durchzuf\u00fchren<\/strong>, ohne Python zu verwenden. Diese native Funktion ist jedoch begrenzt, da Power BI automatisch festlegt, in wie viele Cluster die Daten zerlegt werden sollen, und keine \u00c4nderungen zul\u00e4sst.\n\nDie Verwendung von Python<\/strong> schafft hier Abhilfe, da du dein Skript frei schreiben kannst, um deinen speziellen Bed\u00fcrfnissen gerecht zu werden.\n\nW\u00e4hle vom Power Query Editor<\/strong> aus die Registerkarte „Transformieren“ und dann „Python-Skript ausf\u00fchren“.\n\nEs erscheint das gleiche Dialogfeld wie beim Importieren eines Datensatzes, aber es gibt einen „Dataset“-Speicherort f\u00fcr den aktuellen Datensatz.\n\nWenn du „OK“ w\u00e4hlst, kannst du eine reduzierte Tabelle importieren. Du musst die Spalte „Wert“ erweitern und die Spalten ausw\u00e4hlen, die du in die Abfrage aufnehmen m\u00f6chtest.\n\nW\u00e4hle alle Spalten aus, einschlie\u00dflich der Spalte „Cluster“, die gerade aus dem Skript erstellt wurde. Achte darauf, dass du das Kontrollk\u00e4stchen „Urspr\u00fcnglichen Namen der Spalte als Pr\u00e4fix verwenden“ deaktivierst.\n\nDein Datensatz enth\u00e4lt alle Originalspalten und eine zus\u00e4tzliche Spalte, die angibt, welchem Cluster<\/strong> jede Datenzeile zugewiesen ist.\n\n?Auch interessant:\n\n\n<\/colgroup>\n\n\n\n\n\n\n\n
Power BI Related Funktion<\/a><\/td>\n<\/tr>\n
Power Query<\/a><\/td>\n<\/tr>\n
Power BI Microsoft<\/a><\/td>\n<\/tr>\n
Power BI f\u00fcr Dummies<\/a><\/td>\n<\/tr>\n
Power Query – Was ist das ?<\/a><\/td>\n<\/tr>\n
Power BI auf dem Mac<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Statistische Berechnung in Python auf Power BI<\/h3>\nStandardm\u00e4\u00dfig ist das Erstellen einer Korrelationsmatrix in Power BI<\/strong> keine einfache Aufgabe. Dennoch ist eine Korrelationsmatrix-Heatmap ein integraler Bestandteil eines Datenanalyseberichts.<\/strong>\n\nUm eine Heatmap einer Korrelationsmatrix in Power BI zu erstellen, kannst du die Korrelationsfunktion von Python verwenden. Diese Heatmap wird im Abschnitt Bericht in Power BI angezeigt.\n\nGehe zum Abschnitt Bericht in Power BI und klicke auf das Python-Visual, das durch das Symbol „Py“<\/strong> unter dem Abschnitt Visualizations dargestellt wird. Ein leeres Python-Visual erscheint auf der linken Seite und ein Skript-Editor \u00f6ffnet sich unten auf dem Bildschirm. Du kannst also Visualisierungen in Power BI mithilfe von Python-Skripten erstellen.\n\nUm die Korrelations-Heatmap<\/strong> zu veranschaulichen, gib alle kontinuierlichen Variablen in das Feld Werte ein. Dies ist ein wichtiger Schritt, da Power BI nur die Variablen ber\u00fccksichtigt, die f\u00fcr die Visualisierung angegeben wurden.\n\nSchreibe dann einfach ein paar Zeilen Code in Python, um mithilfe des seaborn-Pakets eine Korrelationsmatrix-Heatmap zu erstellen. Klicke schlie\u00dflich auf die Schaltfl\u00e4che „Script ausf\u00fchren“, um die Heatmap zu erzeugen.\n
\n\t\t\t\t\t\t\t\t\t\t\"\"\n\n
<\/figcaption><\/figure>\n

Wie lerne ich, Python und Power BI zu benutzen?<\/h3>\nWir haben nur einen kleinen Teil der M\u00f6glichkeiten erforscht, die Python in Power BI<\/strong> bietet. Um zu lernen, diese Werkzeuge vollst\u00e4ndig zu beherrschen, kannst du dich f\u00fcr Liora entscheiden.\n\nUnsere Data Analyst- und Data Management-Kurse<\/a> beinhalten eine Einf\u00fchrung in die Programmierung mit Python und ein Business Intelligence-Modul<\/a>, das sich auf Power BI konzentriert.\n\nIn diesen Kursen lernst du auch Datenanalyse, Machine Learning, DataViz<\/a> oder den Umgang mit Datenbanken. Am Ende des Kurses hast du alle F\u00e4higkeiten, die du brauchst, um Data Analyst oder Data Manager<\/a> zu werden.\n\nDiese Kurse werden vollst\u00e4ndig aus der Ferne durchgef\u00fchrt und kombinieren Online-Lernen auf unserer gecoachten Plattform mit Masterclasses. Du kannst zwischen einem intensiven BootCamp<\/a> oder einem fortlaufenden Kurs w\u00e4hlen, je nachdem, was dir lieber ist.\n\nWir bieten auch einen Expertenkurs an, der sich ausschlie\u00dflich auf Power BI<\/strong> konzentriert.\n\nDieser 3- bis 5-t\u00e4gige Kurs behandelt u. a. Power Query, die DAX-Sprache,<\/strong> Data Visualization und Workspace Management.\n\nAm Ende des Programms kannst du eine Pr\u00fcfung ablegen, um eine offizielle Microsoft Power BI-Zertifizierung<\/strong> zu erhalten. Du wirst dann bestens vorbereitet sein, um diese Tools in deinem Unternehmen einzusetzen.\n\nAlle unsere Kurse k\u00f6nnen \u00fcber das Pers\u00f6nliche Ausbildungskonto finanziert werden, und Arbeitssuchende k\u00f6nnen auch von einer vollst\u00e4ndigen Finanzierung durch den Bildungsgutschein<\/a> profitieren. Warte nicht l\u00e4nger und entdecke die Liora-Schulungen!\n\n\n
Data Analyst Weiterbildung<\/a><\/div><\/div>\n\n\n?Auch interessant:\n\n\n<\/colgroup>\n\n\n\n\n\n
Power BI Allexcept<\/a><\/td>\n<\/tr>\n
Power BI Auto Refresh<\/a><\/td>\n<\/tr>\n
Power BI Hubspot Integration<\/a><\/td>\n<\/tr>\n
Power BI Report Builder<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n\n\n<\/colgroup>\n\n\n\n\n\n\n
Python f\u00fcr Dummies Teil 2<\/a><\/td>\n<\/tr>\n
Python Schulung<\/a><\/td>\n<\/tr>\n
Was ist Scala und wieso ist Python besser<\/a><\/td>\n<\/tr>\n
Top der nativen Python Funktionen<\/a><\/td>\n<\/tr>\n
Imageio<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>","protected":false},"excerpt":{"rendered":"

Power BI Python: Python kann in Power BI integriert werden, um die Data-Science-F\u00e4higkeiten der Business-Intelligence-Plattform von Microsoft um ein Vielfaches zu steigern. Finde heraus, wie du diese Python und Power BI kombinieren kannst, welche M\u00f6glichkeiten sich dir bieten und wie du eine Schulung absolvieren kannst, um sie zu beherrschen. Die Programmiersprache Python ist eine der […]<\/p>\n","protected":false},"author":76,"featured_media":177654,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-177653","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/177653","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/76"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=177653"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/177653\/revisions"}],"predecessor-version":[{"id":217478,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/177653\/revisions\/217478"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/177654"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=177653"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=177653"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}