{"id":167026,"date":"2023-03-06T18:13:30","date_gmt":"2023-03-06T17:13:30","guid":{"rendered":"https:\/\/liora.io\/es\/?p=167026"},"modified":"2026-02-26T10:19:14","modified_gmt":"2026-02-26T09:19:14","slug":"python-y-power-bi","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/python-y-power-bi","title":{"rendered":"Python y Power BI: combinar herramientas para Data Science"},"content":{"rendered":"\n

Python puede integrarse en Power BI para multiplicar las capacidades de ciencia de datos de la plataforma de Business Intelligence de Microsoft. Descubre c\u00f3mo combinar Python y Power BI, qu\u00e9 posibilidades ofrece esta integraci\u00f3n y c\u00f3mo seguir una formaci\u00f3n para aprender a dominarlos.<\/strong><\/p>\n\n\n\n

El lenguaje de programaci\u00f3n Python<\/b> es uno de los m\u00e1s utilizados en Data Science y el an\u00e1lisis de datos<\/b>. Resulta muy \u00fatil para realizar tareas complejas relacionadas con la transformaci\u00f3n de datos, la visualizaci\u00f3n, el Machine Learning o la inteligencia artificial. La plataforma de Business Intelligence de Microsoft<\/a><\/strong>, Power BI, permite el autoservicio de inteligencia empresarial, incluyendo la visualizaci\u00f3n de datos procedentes de diversas fuentes.<\/p>\n\n\n\n

No obstante, desde 2018, Power BI permite la integraci\u00f3n de lenguajes de programaci\u00f3n estad\u00edsticos y generales como R y Python. Esa integraci\u00f3n aporta nuevas posibilidades y ampl\u00eda las capacidades de Power BI, especialmente para la extracci\u00f3n y transformaci\u00f3n de datos o la creaci\u00f3n de modelos de Machine Learning.<\/a> Los profesionales de la Business Intelligence<\/b> ya no necesitan recurrir a un equipo de Data Science<\/b> para realizar tareas de ciencia de datos, y los desarrolladores de Python ya no necesitan un equipo de BI para presentar sus an\u00e1lisis en forma de informes o cuadros de mando.<\/p>\n\n\n\n

El Data Scientist moderno debe aprovechar los datos para resolver los problemas de las empresas<\/b>. Esto implica recopilar, limpiar, analizar y transformar datos para predecir eventos futuros y, a continuaci\u00f3n, presentar los resultados del an\u00e1lisis en forma de informe<\/b> o cuadro de mando<\/b>. Por tanto, la frontera entre el Data Scientist<\/b> y el analista de negocio desaparece. La integraci\u00f3n entre Python y Power BI permite adaptarse a esta nueva realidad.<\/p>\n\n\n\n

\u00bfPor qu\u00e9 usar Python con Power BI?<\/h2>\n\n\n\n

Usar Python con Power BI ofrece muchas posibilidades para trabajar con datos<\/b>. Por ese motivo, las prestaciones de la plataforma se vuelven casi ilimitadas. Es posible utilizar Python para el Data Cleaning<\/a><\/strong> (limpieza de datos) escribiendo scripts para automatizar las tareas m\u00e1s tediosas, como eliminar los valores que faltan o corregir los formatos de fecha.<\/p>\n\n\n\n

Los scripts de Python tambi\u00e9n son muy \u00fatiles para la transformaci\u00f3n de datos<\/b>. De hecho, este proceso puede ser lento y tedioso con el Power Query Editor<\/b>. Adem\u00e1s, Python puede revelar todo el valor de los datos mediante t\u00e9cnicas de an\u00e1lisis predictivo<\/b> y de Machine Learning. Esto tambi\u00e9n permite compensar cualquier dato que falte.<\/p>\n\n\n\n

En cuanto a la Data Visualization<\/a>, Python permite a\u00f1adir visualizaciones complejas y personalizadas a un informe. Por \u00faltimo, este lenguaje ofrece la posibilidad de conectar fuentes de datos no compatibles de forma nativa con Power BI.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Las limitaciones de estas dos herramientas<\/h2>\n\n\n\n

A pesar de la multitud de posibilidades que ofrece, la integraci\u00f3n entre Python y Power BI tambi\u00e9n tiene sus limitaciones. En primer lugar, las fuentes de datos a\u00f1adidas con Python tiene que ser p\u00fablicas. Solo se pueden importar Pandas<\/a> DataFrames a Power BI utilizando Python. Adem\u00e1s, el tiempo de ejecuci\u00f3n est\u00e1 limitado a 30 minutos para los scripts y a 5 minutos para los objetos visuales.<\/p>\n\n\n\n

El n\u00famero de bibliotecas Python compatibles con Power BI Service es limitado. Solo son compatibles Matplotlib<\/a><\/strong>, NumPy<\/a><\/strong>, Pandas<\/a><\/strong>, Scikit-learn<\/a>, Scipy<\/strong>, Seaborn<\/a>, Statsmodels<\/strong> y XGBoost<\/strong>. Hay que tener en cuenta que Pandas y Matplotlib tienen que estar instalados para que funcione la integraci\u00f3n entre Power BI y Python.<\/p>\n\n\n\n

Por \u00faltimo, los objetos visuales de Python no admiten el filtro cruzado. Esto significa que la selecci\u00f3n de un elemento en un objeto visual de Python no permite habilitar el mismo filtro en otros objetos visuales. Esto limita la interactividad en un informe de Power BI.<\/p>\n\n\n\n

\u00bfPodemos utilizar Python en lugar del lenguaje DAX?<\/h2>\n\n\n\n

El lenguaje DAX<\/a><\/strong> o Data Analysis Expressions permite crear diferentes medidas y manipular datos en Power BI. Para todos los elementos que no hay que generar de forma din\u00e1mica, existen muchas alternativas. Por ejemplo, puedes a\u00f1adir nuevas columnas a un cuadro de mando<\/b> utilizando Python.<\/p>\n\n\n\n

\n
Descubrir el curso de Data Analyst<\/a><\/div>\n<\/div>\n\n\n

¿Cuáles son los requisitos previos para utilizar Python en Power BI?<\/h2>\n\n\n\n

Hay varios requisitos previos para utilizar Python en Power BI. Es necesario instalar el runtime de Python<\/b> en el que se ejecutan los scripts, y las bibliotecas Pandas, Matplotlib y Seaborn.<\/p>\n\n\n\n

Tambi\u00e9n es posible utilizar el editor de c\u00f3digo Visual Studio Code<\/b> para escribir scripts de Python de manera m\u00e1s eficiente, pero esto es opcional. Tambi\u00e9n se pueden escribir scripts de Python <\/b>desde el editor de scripts de Power BI.<\/p>\n\n\n\n

Sin embargo, el editor de c\u00f3digo ofrece funcionalidades \u00fatiles como el resaltado de sintaxis<\/b>. Puedes descargar Visual Studio Code desde el sitio web oficial. Por \u00faltimo, no olvides actualizar la configuraci\u00f3n de Power BI para que funcione con Python.<\/p>\n\n\n\n

\"python-powerbi-data-science2\"<\/figure>\n\n\n

¿Cómo configurar estas dos herramientas?<\/h2>\n\n\n\n

Antes de escribir scripts en Power BI, es necesario instalar la \u00faltima versi\u00f3n de Python desde el sitio web oficial. En la documentaci\u00f3n de Power BI, Microsoft recomienda evitar gestores de entorno como Anaconda<\/b> para evitar problemas al ejecutar scripts.<\/p>\n\n\n\n

Es posible evitar esta limitaci\u00f3n para utilizar un entorno personalizado en Anaconda<\/b> habilitando el entorno desde la l\u00ednea de comandos<\/b> antes de abrir Power BI Desktop tambi\u00e9n desde la l\u00ednea de comandos. Si no est\u00e1s familiarizado con estas nociones de programaci\u00f3n<\/b>, es mejor que sigas las recomendaciones de Power BI y descargues Python desde el sitio web sin utilizar los entornos personalizados.<\/p>\n\n\n\n

Despu\u00e9s de instalar Python, tendr\u00e1s que especificar la ruta al archivo en Power BI Desktop. En la cinta de opciones, selecciona \u00abArchivo<\/b>\u00ab, \u00abOpciones y configuraci\u00f3n<\/b>\u00bb y \u00abOpciones<\/b>\u00ab. En la lista de opciones, busca \u00abScripting Python\u00bb. Ya solo queda encontrar la carpeta que contiene la distribuci\u00f3n de Python<\/b>, en la lista que contiene todas las distribuciones de Python instaladas en tu ordenador.<\/p>\n\n\n\n

Si quieres escribir manualmente la ruta del archivo, ten en cuenta que solo se admiten rutas de archivo absolutas. No es posible introducir una ruta de archivo relativa<\/b>. Despu\u00e9s de instalar y configurar Python en Power BI, puedes utilizar los scripts de muchas maneras. Entre ellas, utilizarlos como fuente de datos<\/b> para importar nuevos datos, para enriquecer una fuente de datos existente en el Editor de Power Query o para visualizar datos en el lienzo de informes de Power BI<\/b>.<\/p>\n\n\n

Python como fuente de datos para Power BI<\/h2>\n\n\n\n

Para utilizar Python como fuente de datos para Power BI, ve a la pesta\u00f1a de inicio y elige la opci\u00f3n \u00abObtener datos<\/b>\u00bb para ver la lista completa de colecciones de datos. Elige la categor\u00eda \u00abotros\u00bb y busca \u00abscript Python\u00bb en la lista. Ahora ya puedes escribir un script de Python para importar un conjunto de datos<\/b>. Aparecer\u00e1 un cuadro de di\u00e1logo en la pantalla pidi\u00e9ndote que introduzcas tu c\u00f3digo de Python.<\/p>\n\n\n\n

Recordemos que Power BI solo puede importar Pandas DataFrames. Por lo tanto, es necesario convertir primero el conjunto de datos utilizando \u00abpd.DataFrame<\/b>\u00ab. Esta funcionalidad es muy \u00fatil para conectar una fuente de datos que no es compatible con Power BI de forma predeterminada. Tambi\u00e9n es \u00fatil para conjuntos de datos que requieren mucha transformaci\u00f3n antes de la importaci\u00f3n<\/b>, por ejemplo desde una API.<\/p>\n\n\n\n

Este m\u00e9todo permite crear data frames complejos utilizando Python e importarlos a Power BI. Tambi\u00e9n puedes realizar manipulaciones de datos utilizando la biblioteca Pandas y luego importar el dataset final<\/b> en Power BI para crear visualizaciones. Esto hace que el uso de Power BI sea mucho m\u00e1s sencillo para los Data Scientists<\/a><\/strong> y los Data Analyst<\/a><\/strong> que ya est\u00e1n acostumbrados a manipular datos en Python.\u00a0<\/p>\n\n\n\n

\"python-powerbi-data-science3\"<\/figure>\n\n\n

Python para las particiones k-medias en Power BI<\/h2>\n\n\n\n

Las particiones k-medias o k-means clustering<\/a> es una t\u00e9cnica de Machine Learning que permite encontrar grupos de puntos de datos similares: los cl\u00fasteres.<\/p>\n\n\n\n

Esta t\u00e9cnica es particularmente \u00fatil para el marketing<\/b> o la atenci\u00f3n al cliente<\/b>, para comprender mejor a los clientes. Es muy posible realizar an\u00e1lisis de cl\u00fasteres sobre datos<\/b> en Power BI sin utilizar Python. Sin embargo, esta funcionalidad nativa es limitada, ya que Power BI determina autom\u00e1ticamente en cu\u00e1ntos cl\u00fasteres dividir los datos<\/b> y no permite realizar cambios.<\/p>\n\n\n\n

El uso de Python permite solucionar este problema, puesto que puedes escribir libremente el script para satisfacer unas necesidades espec\u00edficas. Desde el Editor de Power Query, selecciona la pesta\u00f1a \u201cTransformar<\/b>\u201d y luego \u201cEjecutar script Python<\/b>\u201d. El cuadro de di\u00e1logo que aparece es el mismo que cuando se importa un conjunto de datos, pero se dedica una ubicaci\u00f3n de \u201cdataset<\/b>\u201d al conjunto de datos actual.<\/p>\n\n\n\n

Al seleccionar \u201cAceptar\u201d, puedes importar una tabla<\/b> reducida. Tienes que desplegar la columna \u201cValor<\/b>\u201d y elegir las columnas que quieres incluir en la solicitud. Selecciona todas las columnas, incluida la columna \u201cCl\u00faster\u201d que se acaba de crear a partir del script. Aseg\u00farate de desmarcar la casilla \u201cUsar el nombre original de la columna como prefijo<\/b>\u201d. Tu conjunto de datos<\/b> contiene todas las columnas originales, y una columna adicional que indica a qu\u00e9 cl\u00faster est\u00e1 asignada cada fila de datos.<\/p>\n\n\n

Cálculo estadístico en Python en Power BI<\/h2>\n\n\n\n

Por defecto, crear una matriz de correlaci\u00f3n no es una tarea f\u00e1cil en Power BI. Sin embargo, el heatmap de matriz de correlaci\u00f3n<\/b> forma parte integrante de un informe de an\u00e1lisis de datos. \u00a0Para crear un heatmap de matriz de correlaci\u00f3n en Power BI, puedes utilizar la funci\u00f3n de correlaci\u00f3n<\/b> de Python. Este mapa de calor se mostrar\u00e1 en la secci\u00f3n Informe de Power BI.<\/p>\n\n\n\n

Ve a la secci\u00f3n Informe de Power BI y haz clic en el visual de Python<\/b> representado por el s\u00edmbolo \u00abPy<\/b>\u00bb en la secci\u00f3n Visualizaciones<\/b>. Aparecer\u00e1 un visual Python vac\u00edo a la izquierda y un editor de scripts en la parte inferior de la pantalla. Por tanto, se pueden crear visualizaciones en Power BI utilizando scripts de Python.<\/p>\n\n\n\n

Para ilustrar el heatmap de correlaci\u00f3n, introduce todas las variables continuas<\/b> en el campo Valores. Se trata de un paso fundamental, ya que Power BI solo tendr\u00e1 en cuenta las variables especificadas para la visualizaci\u00f3n. A continuaci\u00f3n, basta con escribir unas l\u00edneas de c\u00f3digo en Python para crear un heatmap de matriz de correlaci\u00f3n<\/b> con ayuda del package seaborn. Por \u00faltimo, haz clic en el bot\u00f3n \u00abEjecutar script<\/b>\u00bb para obtener el mapa de calor.<\/p>\n\n\n\n

\"python-powerbi-data-science4\"<\/figure>\n\n\n

Añade aquí tu texto de cabecera<\/h2>\n\n\n\n

Solo hemos explorado una \u00ednfima parte de las posibilidades que ofrece Python en Power BI. Para aprender a dominar completamente estas herramientas, puedes elegir Liora<\/b>. Nuestros cursos de Data Analyst y Data Management<\/b> incluyen un m\u00f3dulo de introducci\u00f3n a la programaci\u00f3n en Python, y un m\u00f3dulo de Business Intelligence centrado en Power BI<\/b>. Siguiendo estos cursos, tambi\u00e9n aprender\u00e1s sobre an\u00e1lisis de datos, Machine Learning<\/b>, DataViz<\/b> o manipulaci\u00f3n de bases de datos. Al finalizar el curso, tendr\u00e1s todos los conocimientos necesarios para convertirte en Data Analyst o Data Manager.<\/p>\n\n\n\n

Estos cursos son totalmente a distancia, combinando el aprendizaje online<\/b> en nuestra plataforma tutorizada<\/b> y Master class<\/b>. Puedes elegir entre un BootCamp<\/b> intensivo o un curso de formaci\u00f3n continua<\/b> seg\u00fan tus preferencias. Tambi\u00e9n ofrecemos un curso para expertos dedicado \u00edntegramente a Power BI. Este curso de entre 3 y 5 d\u00edas<\/b> incluye Power Query, el lenguaje DAX<\/a>, Data Visualization<\/a> y Workspace Management.<\/strong><\/p>\n\n\n\n

Al final de este programa, podr\u00e1s realizar el examen para obtener una certificaci\u00f3n oficial de Microsoft Power BI<\/b>. Estar\u00e1s preparado para utilizar estas herramientas en tu empresa. Todos nuestros cursos son bonificables con FUNDAE. \u00a1No esperes m\u00e1s y descubre los cursos de Liora!<\/p>\n\n\n\n

\n
Descubrir el curso de Data Analyst<\/a><\/div>\n<\/div>\n\n\n\n

Ya lo sabes todo lo que hay que saber sobre Power BI y Python. Para m\u00e1s informaci\u00f3n, descubre nuestro dosier completo sobre Power BI<\/a><\/strong> y nuestro dosier completo sobre el lenguaje Python.<\/a><\/p>\n\n\n\n