2025年数据分析师中级职称考试题库及答案解析

2025年数据分析师中级职称考试题库及答案解析一、单选题（共20题，每题1分）1.以下哪个指标最适合衡量数据集的离散程度？A.方差B.均值C.中位数D.标准差2.SQL中，用于按特定条件对数据进行筛选的语句是？A.`GROUPBY`B.`SELECT`C.`WHERE`D.`ORDERBY`3.在数据可视化中，最适合展示部分与整体关系的图表是？A.散点图B.条形图C.饼图D.折线图4.以下哪种方法不属于数据清洗的范畴？A.处理缺失值B.数据集成C.消除重复值D.特征工程5.交叉表（Crosstab）在数据分析中的作用是？A.降低数据维度B.提取关键特征C.分析多维度关联D.数据归一化6.以下哪个统计方法属于假设检验？A.回归分析B.方差分析C.主成分分析D.熵权法7.在时间序列分析中，ARIMA模型主要解决什么问题？A.数据缺失填充B.多元线性回归C.平稳性检验D.非季节性时间序列预测8.以下哪种图表最适合展示连续数据的分布情况？A.箱线图B.热力图C.树状图D.环形图9.Python中，用于数据分组的库是？A.PandasB.MatplotlibC.Scikit-learnD.NLTK10.逻辑回归模型主要用于解决什么类型的问题？A.回归预测B.聚类分析C.分类预测D.关联规则挖掘11.在数据采集阶段，以下哪种方法属于主动采集？A.网络爬虫B.问卷调查C.日志采集D.API接口12.以下哪个指标用于衡量模型的预测准确性？A.F1分数B.AUC值C.RMSE值D.Kappa系数13.以下哪种算法属于无监督学习？A.决策树B.神经网络C.K-Means聚类D.支持向量机14.在数据仓库中，ODS层通常指的是？A.操作数据存储B.数据集市C.数据湖D.数据集市15.以下哪种统计方法适用于小样本数据分析？A.T检验B.Z检验C.卡方检验D.线性回归16.在数据挖掘中，关联规则挖掘的常见算法是？A.AprioriB.K-MeansC.SVMD.决策树17.以下哪种方法不属于特征工程？A.特征选择B.特征编码C.数据标准化D.模型调参18.在假设检验中，第一类错误指的是？A.拒绝了实际成立的假设B.未拒绝实际不成立的假设C.接受了实际成立的假设D.未接受实际不成立的假设19.以下哪个工具适合用于数据探索性分析？A.ExcelB.TensorFlowC.PyTorchD.Spark20.在数据预处理中，用于处理异常值的常用方法不包括？A.箱线图法B.Z分数法C.IQR方法D.主成分分析二、多选题（共10题，每题2分）1.数据分析的基本流程通常包括哪些阶段？A.数据采集B.数据预处理C.数据建模D.模型评估E.业务落地2.以下哪些属于描述性统计的范畴？A.均值B.方差C.回归系数D.中位数E.标准差3.SQL中，以下哪些语句用于数据过滤？A.`WHERE`B.`HAVING`C.`SELECT`D.`JOIN`E.`ORDERBY`4.以下哪些图表适合展示多维数据关系？A.散点图矩阵B.热力图C.平行坐标图D.散点图E.箱线图5.逻辑回归模型的优势包括哪些？A.线性可分性B.解释性强C.计算效率高D.适用于小样本E.对异常值不敏感6.在数据采集过程中，常见的数据来源有哪些？A.网络爬虫B.传感器数据C.问卷调查D.日志文件E.第三方数据7.以下哪些属于假设检验的类型？A.T检验B.Z检验C.卡方检验D.F检验E.回归分析8.在特征工程中，常用的特征处理方法包括哪些？A.特征编码B.特征选择C.特征组合D.数据标准化E.数据归一化9.以下哪些属于监督学习算法？A.决策树B.神经网络C.K-Means聚类D.支持向量机E.逻辑回归10.数据仓库的常见架构包括哪些层次？A.ODS层B.DWD层C.DWS层D.ADS层E.DM层三、判断题（共10题，每题1分）1.均值和中位数都能反映数据的集中趋势。（正确）2.SQL中的`JOIN`操作只能用于连接两个表。（错误）3.饼图适合展示连续数据的分布情况。（错误）4.交叉表可以用于分析两个或多个分类变量的关系。（正确）5.假设检验的显著性水平通常设置为0.05。（正确）6.ARIMA模型适用于任何类型的时间序列数据。（错误）7.箱线图可以直观展示数据的四分位数和异常值。（正确）8.Pandas库主要用于数据分析和可视化。（正确）9.逻辑回归模型只能处理二分类问题。（错误）10.数据采集阶段不需要考虑数据质量。（错误）四、简答题（共5题，每题4分）1.简述数据清洗的主要步骤及其目的。2.解释什么是假设检验，并说明其基本流程。3.描述K-Means聚类算法的基本原理及其适用场景。4.说明数据仓库中ODS、DWD、DWS、ADS各层的主要作用。5.列举三种常用的特征工程方法，并简述其原理。五、操作题（共5题，每题6分）1.使用SQL查询某电商平台的订单数据，要求：-选择订单号、用户ID、订单金额-条件：订单金额大于200元且用户来自北京-结果按订单金额降序排列2.使用Python（Pandas）处理某公司销售数据，要求：-读取CSV文件-处理缺失值：销售额为空时填充平均值-计算每个产品类别的总销售额-绘制条形图展示结果3.使用Python（Scikit-learn）实现逻辑回归模型，要求：-使用鸢尾花数据集-划分训练集和测试集（8:2）-训练模型并输出准确率-对测试集进行预测并展示混淆矩阵4.设计一个数据采集方案，用于采集某电商平台的商品评论数据，要求：-列出数据来源-说明采集方法-设计数据存储结构5.分析某城市空气质量监测数据，要求：-描述数据的主要特征-绘制时间序列图展示PM2.5变化趋势-分析主要影响因素并提出改进建议答案解析一、单选题答案1.A2.C3.C4.B5.C6.B7.D8.A9.A10.C11.B12.B13.C14.A15.A16.A17.D18.A19.A20.D二、多选题答案1.A,B,C,D,E2.A,B,D,E3.A,B4.A,B,C5.A,B,C,D6.A,B,C,D,E7.A,B,C,D8.A,B,C,D,E9.A,B,D,E10.A,B,C,D三、判断题答案1.正确2.错误3.错误4.正确5.正确6.错误7.正确8.正确9.错误10.错误四、简答题答案1.数据清洗步骤及目的：-缺失值处理：识别并处理数据中的缺失值，目的保证数据完整性。-异常值检测：识别并处理异常数据，目的提高数据质量。-数据格式统一：统一数据格式和类型，目的便于后续分析。-重复值消除：去除重复数据，目的避免分析偏差。-数据标准化：将数据转换到统一尺度，目的消除量纲影响。2.假设检验：-概念：通过样本数据推断总体是否具有某种统计特性。-流程：1.提出原假设和备择假设2.选择检验统计量3.计算P值或临界值4.做出统计决策5.解释结果3.K-Means聚类原理及适用场景：-原理：通过迭代将数据点划分到k个簇中，使簇内方差最小化。-适用场景：适用于发现数据中的自然分组，如客户细分、图像分割。4.数据仓库层次作用：-ODS（操作数据存储）：存储原始业务数据，保留详细记录。-DWD（明细数据层）：清洗和转换ODS数据，形成标准化明细表。-DWS（汇总数据层）：对DWD数据进行聚合，形成主题域汇总表。-ADS（应用数据层）：面向业务应用的数据集市，支持报表和决策。5.特征工程方法：-特征编码：将类别特征转换为数值形式，如独热编码。-特征选择：筛选重要特征，如递归特征消除。-特征组合：创建新特征，如交叉特征。五、操作题答案1.SQL查询：sqlSELECTorder_id,user_id,order_amountFROMordersWHEREorder_amount>200ANDcity='北京'ORDERBYorder_amountDESC;2.Python处理：pythonimportpandasaspdimportmatplotlib.pyplotasplt#读取数据data=pd.read_csv('sales.csv')#处理缺失值data['sales_amount'].fillna(data['sales_amount'].mean(),inplace=True)#计算分类总销售额category_total=data.groupby('category')['sales_amount'].sum()#绘制条形图category_total.plot(kind='bar')plt.title('CategorySalesTotal')plt.xlabel('Category')plt.ylabel('TotalSales')plt.show()3.逻辑回归模型：pythonfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportaccuracy_score,confusion_matrix#加载数据iris=load_iris()X=iris.datay=iris.target#划分数据集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)#训练模型model=LogisticRegression()model.fit(X_train,y_train)#评估模型print("Accuracy:",accuracy_score(y_test,model.predict(X_test)))print("ConfusionMatrix:\n",confusion_matrix(y_test,model.predict(X_test)))4.数据采集方案：-数据来源：-商品详情页-用户评论模块-评价等级数据-采集方法：-使用Scrapy框架编写爬虫-设置定时任务每日采集-采用API接口获取部分数据-数据存储结构：-comment_id(主键)-product_id(外键)-user_id(外键)-rating(1-5)-content(文本)-created_at(时间戳)5.空气质量分析：-主要特征：-PM2.5浓度呈周期性波动-工业区数据明显高于居民区-春秋季节改善，冬季恶化-时间序列图：pythonimportmatplotlib.pyplotaspltimportpandasaspddata=pd.read_csv('air_quality.csv',parse_dates=['date'])data.set_index('date',inplace=True)data['PM2.5'].resample('M').mean().plot()plt.title('MonthlyPM2.5Trend')-改进建议：-加强工业排放监管-增加绿化覆盖率-优化交通管理措施#2025年数据分析师中级职称考试注意事项考试前，务必确保携带准考证、身份