2025年统计学专业期末考试：统计软件应用与数据挖掘实战题

2025年统计学专业期末考试：统计软件应用与数据挖掘实战题考试时间：______分钟总分：______分姓名：______一、Excel数据处理与分析要求：运用Excel软件进行数据处理和分析，完成以下任务。1.在Excel中创建一个包含以下数据的表格：-学号-姓名-性别-年龄-成绩2.将上述表格中的成绩列进行排序，从高到低排列。3.在表格中筛选出年龄在20-25岁之间的学生。4.计算年龄在20-25岁之间的学生的平均成绩。5.在表格中插入一个新的列，计算每个学生的成绩与平均成绩的差值。6.使用条件格式功能，将成绩低于平均成绩的学生成绩设置为红色。7.在表格中插入一个图表，展示不同性别学生的成绩分布情况。8.使用Excel的数据透视表功能，分析不同年龄段学生的成绩分布。9.在Excel中创建一个包含以下数据的表格：-产品名称-销售额-利润率10.使用Excel的数据分析工具包，计算销售额的移动平均和移动中位数。二、SPSS统计分析要求：运用SPSS软件进行统计分析，完成以下任务。1.在SPSS中创建一个包含以下数据的变量：-学号-姓名-性别-年龄-成绩2.将上述变量中的成绩进行排序，从高到低排列。3.在SPSS中筛选出年龄在20-25岁之间的学生。4.计算年龄在20-25岁之间的学生的平均成绩。5.在SPSS中插入一个新的变量，计算每个学生的成绩与平均成绩的差值。6.使用条件格式功能，将成绩低于平均成绩的学生成绩设置为红色。7.在SPSS中插入一个图表，展示不同性别学生的成绩分布情况。8.使用SPSS的数据透视表功能，分析不同年龄段学生的成绩分布。9.在SPSS中创建一个包含以下数据的变量：-产品名称-销售额-利润率10.使用SPSS的数据分析工具包，计算销售额的移动平均和移动中位数。三、Python数据分析要求：运用Python编程语言进行数据分析，完成以下任务。1.使用Python创建一个包含以下数据的列表：-学号-姓名-性别-年龄-成绩2.将上述列表中的成绩进行排序，从高到低排列。3.使用Python筛选出年龄在20-25岁之间的学生。4.计算年龄在20-25岁之间的学生的平均成绩。5.使用Python创建一个新的列表，计算每个学生的成绩与平均成绩的差值。6.使用Python将成绩低于平均成绩的学生成绩设置为红色。7.使用Python创建一个图表，展示不同性别学生的成绩分布情况。8.使用Python分析不同年龄段学生的成绩分布。9.使用Python创建一个包含以下数据的列表：-产品名称-销售额-利润率10.使用Python计算销售额的移动平均和移动中位数。四、R语言数据分析要求：运用R语言进行数据分析，完成以下任务。4.使用R语言创建一个包含以下数据的向量：-学号-姓名-性别（男=1，女=2）-年龄-成绩5.对上述向量中的成绩进行排序，从高到低排列。6.在R语言中筛选出年龄在20-25岁之间的学生。五、SQL数据库查询要求：运用SQL语言进行数据库查询，完成以下任务。5.在SQL数据库中创建一个包含以下数据的表：-产品ID-产品名称-销售数量-销售日期6.查询过去一个月内销售数量超过100的产品名称和销售数量。六、数据可视化要求：使用Python中的Matplotlib库进行数据可视化，完成以下任务。6.使用Python中的Matplotlib库，根据以下数据绘制一个柱状图，展示不同年龄段学生的平均成绩分布：-年龄段-平均成绩本次试卷答案如下：一、Excel数据处理与分析1.在Excel中创建表格，输入数据如下：-学号：1,2,3,...,n-姓名：张三，李四，王五，...-性别：男，女，男，...-年龄：20，21，22，...-成绩：85，90，78，...2.在成绩列上点击，然后选择“排序”功能，选择“降序”。3.在表格中点击“数据”选项卡，然后选择“筛选”功能，在性别列中选择“数字筛选”，然后选择“等于”，输入“20”和“25”，点击“确定”。4.在Excel的“数据”选项卡下，选择“数据分析”，然后选择“描述统计”，在弹出的对话框中选择“平均数”，点击“确定”。5.在成绩列旁边插入一列，使用公式“=B2-C2”计算每个学生的成绩与平均成绩的差值。6.在成绩列旁边插入一列，使用条件格式功能，选择“新建规则”，选择“使用公式确定要设置格式的单元格”，输入公式“=B2<C2”，点击“格式”，选择“填充”，然后选择红色。7.在Excel的“插入”选项卡下，选择“图表”，然后选择“柱形图”，在弹出的对话框中选择“簇状柱形图”，点击“确定”，根据性别列的数据绘制图表。8.在Excel的“数据”选项卡下，选择“数据透视表”，在弹出的对话框中选择“创建数据透视表”，在弹出的对话框中选择“现有工作表”，然后选择一个空白区域，点击“确定”，在数据透视表字段列表中选择“年龄”和“成绩”，拖动到行和列区域。二、SPSS统计分析1.在SPSS中创建变量，按照以下顺序输入数据：-学号：1,2,3,...,n-姓名：张三，李四，王五，...-性别：1，2，1，...-年龄：20，21，22，...-成绩：85，90，78，...2.在成绩变量上点击，然后选择“排序”，选择“降序”。3.在性别变量上点击，然后选择“筛选”，选择“数字筛选”，输入“20”和“25”，点击“确定”。4.在成绩变量上点击，然后选择“描述统计”，在弹出的对话框中选择“描述”，点击“确定”。5.在SPSS中插入一个新变量，使用公式“成绩-平均成绩”。6.在SPSS中，使用条件格式功能，选择“新建规则”，选择“使用公式确定要设置格式的单元格”，输入公式“成绩<平均成绩”，点击“格式”，选择“填充”，然后选择红色。7.在SPSS的“图形”选项卡下，选择“柱形图”，在弹出的对话框中选择“简单柱形图”，点击“确定”，根据性别变量绘制图表。8.在SPSS中创建数据透视表，选择“年龄”和“成绩”，拖动到行和列区域。三、Python数据分析1.使用Python创建列表，代码如下：```pythondata=[(1,"张三",1,20,85),(2,"李四",2,21,90),(3,"王五",1,22,78),#...更多数据]```2.使用Python的`sorted()`函数对成绩进行排序：```pythonsorted_data=sorted(data,key=lambdax:x[4],reverse=True)```3.使用Python的`filter()`函数筛选年龄在20-25岁的学生：```pythonfiltered_data=list(filter(lambdax:20<=x[3]<=25,data))```4.计算平均成绩：```pythontotal_score=sum(scorefor_,_,_,_,scoreindata)average_score=total_score/len(data)```5.创建新列表计算成绩差值：```pythondifference_scores=[(student[0],student[1],student[2],student[3],student[4]-average_score)forstudentindata]```6.使用条件格式设置颜色（Python中不直接支持Excel的条件格式，以下为模拟思路）：```pythonforstudentindata:ifstudent[4]<average_score:print(f"Student{student[1]}hasascorebelowaverage.")```7.绘制柱状图：```pythonimportmatplotlib.pyplotaspltgenders=[student[2]forstudentindata]scores=[student[4]forstudentindata]plt.bar(genders,scores)plt.xlabel('Gender')plt.ylabel('Scores')plt.title('ScoresbyGender')plt.show()```8.使用Pandas库创建数据透视表（Python中不直接支持SPSS的数据透视表，以下为模拟思路）：```pythonimportpandasaspddf=pd.DataFrame(data)pivot_table=df.pivot_table(index='年龄',columns='成绩',aggfunc='mean')print(pivot_table)```四、R语言数据分析1.使用R语言创建向量，代码如下：```rdata<-c(c(1,"张三",1,20,85),c(2,"李四",2,21,90),c(3,"王五",1,22,78),#...更多数据)```2.对成绩进行排序：```rsorted_data<-sort(data[,5],decreasing=TRUE)```3.筛选年龄在20-25岁的学生：```rfiltered_data<-data[data[,4]>=20&data[,4]<=25,]```4.计算平均成绩：```raverage_score<-mean(data[,5])```5.创建新向量计算成绩差值：```rdifference_scores<-data[,5]-average_score```6.设置条件格式（R中不直接支持Excel的条件格式，以下为模拟思路）：```rfor(iin1:nrow(data)){if(data[i,5]<average_score){print(paste("Student",data[i,2],"hasascorebelowaverage."))}}```7.绘制柱状图：```rlibrary(ggplot2)ggplot(data,aes(x=gender,y=score))+geom_bar(stat="identity")+xlab("Gender")+ylab("Scores")+ggtitle("ScoresbyGender")```8.创建数据透视表：```rlibrary(plyr)pivot_table<-ddply(data,c("年龄","成绩"),summarize,mean)print(pivot_table)```五、SQL数据库查询5.创建表并插入数据（假设表名为Products）：```sqlCREATETABLEProducts(ProductIDINT,ProductNameVARCHAR(255),SalesQuantityINT,SalesDateDATE);INSERTINTOProducts(ProductID,ProductName,SalesQuantity,SalesDate)VALUES(1,'ProductA',120,'2023-04-01'),(2,'ProductB',150,'2023-04-02'),(3,'ProductC',200,'20