2025年数据分析师笔试重点考点及模拟题集

2025年数据分析师笔试重点考点及模拟题集一、选择题（每题2分，共20题）1.在进行数据清洗时，以下哪种方法最适合处理缺失值？A.直接删除含有缺失值的行B.使用均值或中位数填充C.使用众数填充D.以上都不对2.以下哪个不是常见的数据分析指标？A.均值B.方差C.相关系数D.熵值3.在进行数据可视化时，以下哪种图表最适合展示时间序列数据？A.散点图B.条形图C.折线图D.饼图4.以下哪个不是常用的数据挖掘算法？A.决策树B.线性回归C.K-means聚类D.朴素贝叶斯5.在进行假设检验时，以下哪个是第一类错误的概率？A.真实情况为H0为真，但拒绝了H0B.真实情况为H0为假，但接受了H0C.真实情况为H0为假，但拒绝了H0D.真实情况为H0为真，但接受了H06.以下哪个不是常用的特征工程方法？A.数据标准化B.特征编码C.特征选择D.数据采样7.在进行回归分析时，以下哪个指标可以衡量模型的拟合优度？A.R²B.MAEC.RMSED.AUC8.以下哪个不是常用的分类算法？A.逻辑回归B.支持向量机C.KNND.主成分分析9.在进行时间序列分析时，以下哪个模型最适合处理具有明显季节性特征的数据？A.AR模型B.MA模型C.ARIMA模型D.指数平滑模型10.以下哪个不是常用的聚类算法？A.K-meansB.层次聚类C.DBSCAND.决策树二、填空题（每题2分，共10题）1.数据分析的基本流程包括数据采集、______、数据分析和数据可视化。2.在进行数据清洗时，常见的异常值处理方法包括______和______。3.在进行数据可视化时，散点图主要用于展示______之间的关系。4.在进行假设检验时，显著性水平通常表示为______。5.在进行特征工程时，常用的特征编码方法包括______和______。6.在进行回归分析时，常用的评估指标包括______、______和______。7.在进行分类分析时，常用的评估指标包括______、______和______。8.在进行时间序列分析时，常用的模型包括______、______和______。9.在进行聚类分析时，常用的评估指标包括______和______。10.在进行数据挖掘时，常用的算法包括______、______和______。三、简答题（每题5分，共5题）1.简述数据清洗的步骤。2.简述特征工程的常用方法。3.简述回归分析和分类分析的区别。4.简述时间序列分析的基本步骤。5.简述聚类分析的基本步骤。四、计算题（每题10分，共3题）1.某公司销售数据如下表所示，请计算该公司的平均销售额和标准差。|月份|销售额（万元）|||-||1|120||2|130||3|140||4|150||5|160|2.某公司员工年龄数据如下表所示，请计算该公司的年龄中位数和众数。|员工编号|年龄|||||1|25||2|30||3|35||4|25||5|30|3.某公司销售额和广告投入数据如下表所示，请计算销售额和广告投入的相关系数。|月份|销售额（万元）|广告投入（万元）|||-|||1|120|10||2|130|12||3|140|15||4|150|18||5|160|20|五、编程题（每题15分，共2题）1.使用Python编写代码，读取以下CSV文件，并计算每个月的平均销售额和标准差。csv月份,销售额（万元）1,1202,1303,1404,1505,1602.使用Python编写代码，读取以下CSV文件，并计算每个月的广告投入与销售额的相关系数。csv月份,销售额（万元）,广告投入（万元）1,120,102,130,123,140,154,150,185,160,20答案一、选择题1.B2.D3.C4.D5.A6.D7.A8.D9.C10.D二、填空题1.数据预处理2.上下限法，删除法3.两个变量4.α5.独热编码，标签编码6.R²，MAE，RMSE7.准确率，召回率，F1值8.AR模型，MA模型，ARIMA模型9.轮廓系数，戴维斯指标10.决策树，支持向量机，聚类算法三、简答题1.数据清洗的步骤包括：数据采集、数据预处理（包括数据清洗、数据集成、数据变换、数据规约）、数据预处理（包括数据清洗、数据集成、数据变换、数据规约）、数据分析和数据可视化。2.特征工程的常用方法包括：特征选择、特征提取、特征编码。特征选择包括过滤法、包裹法、嵌入法；特征提取包括主成分分析、线性判别分析；特征编码包括独热编码、标签编码。3.回归分析和分类分析的区别在于：回归分析用于预测连续值，分类分析用于预测离散值。回归分析的目标是找到一个函数，将输入变量映射到一个连续的输出变量；分类分析的目标是找到一个分类器，将输入变量映射到一个离散的类别。4.时间序列分析的基本步骤包括：数据收集、数据预处理、探索性数据分析、模型选择、模型训练、模型评估和模型预测。5.聚类分析的基本步骤包括：数据收集、数据预处理、选择聚类算法、设置参数、执行聚类、评估聚类结果和应用聚类结果。四、计算题1.平均销售额=(120+130+140+150+160)/5=130万元标准差=sqrt(((120-130)²+(130-130)²+(140-130)²+(150-130)²+(160-130)²)/5)=sqrt(200)≈14.14万元2.年龄中位数=30岁众数=25岁3.相关系数=cov(销售额,广告投入)/(std(销售额)*std(广告投入))=(50/50)/(sqrt(50)*sqrt(50))=1五、编程题1.pythonimportpandasaspddata=pd.read_csv('sales_data.csv')average_sales=data['销售额（万元）'].mean()std_sales=data['销售额（万元）'].std()print(f'平均销售额:{average_sales}万元')print(f'标准差:{std_sales}万元')2.pythoni