光大银行重庆市沙坪坝区2025秋招数据分析师笔试题及答案

光大银行重庆市沙坪坝区2025秋招数据分析师笔试题及答案一、选择题（共5题，每题2分，合计10分）1.在光大银行重庆市分行进行客户流失预测时，最适合使用的分类算法是？A.线性回归B.决策树C.K-近邻（KNN）D.神经网络2.某分析师使用Python的Pandas库处理光大银行重庆沙坪坝支行的信用卡交易数据，发现部分金额字段存在缺失值，以下哪种方法最适合填充缺失值？A.使用均值填充B.使用中位数填充C.使用众数填充D.直接删除缺失值行3.光大银行重庆市分行希望评估某营销活动的效果，最适合使用的分析模型是？A.线性回归B.逻辑回归C.聚类分析D.关联规则挖掘4.在处理光大银行重庆沙坪坝区小微企业的信贷数据时，以下哪个指标最能反映企业的偿债能力？A.流动比率B.资产负债率C.净利润率D.成本收入比5.光大银行重庆市沙坪坝区客户经理发现某客户群体（年龄25-35岁，收入中等）的存款增长率较低，以下哪种分析方法最适合探究原因？A.A/B测试B.用户画像分析C.时间序列分析D.因子分析二、填空题（共5题，每题2分，合计10分）1.在光大银行重庆市分行进行客户信用评分时，常用的评估模型是__________。（答案：逻辑回归模型）2.使用Python进行数据清洗时，删除重复值的函数是__________。（答案：drop_duplicates）3.光大银行重庆沙坪坝区信用卡用户行为分析中，衡量用户活跃度的指标是__________。（答案：活跃用户数）4.在光大银行重庆市分行进行市场细分时，常用的聚类算法是__________。（答案：K-Means聚类）5.光大银行重庆沙坪坝区网点客流分析中，预测未来客流量最常用的模型是__________。（答案：ARIMA模型）三、简答题（共3题，每题10分，合计30分）1.简述光大银行重庆市沙坪坝区在进行客户流失预警时，如何设计特征工程？参考答案：-数据收集：收集客户基本信息（年龄、职业、收入）、交易行为（存款、贷款、信用卡使用频率）、服务使用情况（网银活跃度、网点到访次数）等数据。-特征构建：-构建客户价值指标（如客户生命周期价值CLV、最近一次交易时间LTV）。-构建行为指标（如交易频率、异常交易行为）。-构建服务指标（如投诉次数、服务满意度）。-特征筛选：使用相关性分析、递归特征消除（RFE）等方法筛选重要特征。-特征转换：对分类变量进行独热编码，对连续变量进行标准化或归一化。2.光大银行重庆市沙坪坝区某网点存款增长缓慢，如何通过数据分析找出原因？参考答案：-数据分层：按客户类型（个人/企业）、年龄、收入等维度分析存款分布。-竞品分析：对比周边银行存款利率、产品吸引力。-渠道分析：检查网点服务效率、线上渠道转化率。-客户调研：通过问卷或访谈了解客户需求，结合数据分析验证假设。3.光大银行重庆市分行希望优化信贷审批流程，如何利用数据分析提升效率？参考答案：-构建信贷评分模型：使用逻辑回归或XGBoost预测违约概率。-自动化审批：对低风险客户实现自动审批，高风险客户转人工审核。-实时监控：通过异常检测算法识别欺诈申请。-模型优化：定期使用新数据重新训练模型，确保准确率。四、编程题（共2题，每题15分，合计30分）1.假设你已获取光大银行重庆市沙坪坝区信用卡用户的交易数据（CSV格式），包含字段：`用户ID`、`交易时间`、`交易金额`、`交易类型`（消费/取现）。请用Python（Pandas库）完成以下任务：-（5分）统计每日总交易金额，并绘制折线图。-（5分）计算每用户的平均交易金额，并按金额从高到低排序。-（5分）找出交易金额最高的前10个用户，并输出其用户ID和总交易金额。参考代码：pythonimportpandasaspdimportmatplotlib.pyplotasplt读取数据data=pd.read_csv('transactions.csv',parse_dates=['交易时间'])data.set_index('交易时间',inplace=True)统计每日总交易金额daily_total=data.groupby(data.index.date)['交易金额'].sum()daily_total.plot(title='每日总交易金额')plt.show()计算每用户平均交易金额user_avg=data.groupby('用户ID')['交易金额'].mean().sort_values(ascending=False)交易金额最高的前10个用户top10_users=data.groupby('用户ID')['交易金额'].sum().nlargest(10)print(top10_users)2.光大银行重庆市分行希望分析客户的消费偏好，现有数据包含字段：`用户ID`、`商品类别`（餐饮/购物/娱乐）、`消费金额`。请用Python（Pandas库）完成以下任务：-（5分）统计各商品类别的总消费金额，并绘制饼图。-（5分）计算每用户的消费频次（相同商品类别多次消费算作一次），并按频次从高到低排序。-（5分）找出消费金额最高的商品类别，并统计该类别中消费金额最高的前5个用户。参考代码：pythonimportpandasaspdimportmatplotlib.pyplotasplt读取数据data=pd.read_csv('consumer.csv')统计各商品类别的总消费金额category_total=data.groupby('商品类别')['消费金额'].sum()category_total.plot(kind='pie',autopct='%1.1f%%',title='各商品类别消费占比')plt.show()计算每用户的消费频次user_frequency=data.groupby(['用户ID','商品类别']).size().groupby('用户ID').count().sort_values(ascending=False)消费金额最高的商品类别top_category=category_total.idxmax()top_users=data[data['商品类别']==top_category].groupby('用户ID')['消费金额'].sum().nlargest(5)print(top_users)五、综合分析题（共1题，20分）光大银行重庆市沙坪坝区希望分析网点客流与周边商业环境的关系，现有数据包含字段：-`日期`、`客流量`（人次）、`天气`（晴/阴/雨）、`周边商业指数`（0-10分）、`是否节假日`（是/否）。请回答以下问题：1.分析客流量与天气、商业指数、节假日的关系，并用相关性分析或回归模型解释。2.假设某日天气预报为雨天，商业指数为6，是否节假日，请预测该日客流量（给出具体方法和结果）。参考答案：1.相关性分析：-使用Pandas计算各变量与客流量的相关系数，发现：-商业指数与客流量正相关（系数约0.7）。-天气中“雨”天客流量最低（可分组对比）。-节假日客流量显著高于工作日。-回归模型（如线性回归）：pythonimportstatsmodels.apiassmfromsklearn.model_selectionimporttrain_test_split处理数据data['天气']=data['天气'].map({'晴':1,'阴':0.5,'雨':0})data['是否节假日']=data['是否节假日'].map({'是':1,'否':0})X=data[['商业指数','天气','是否节假日']]y=data['客流量']X=sm.add_constant(X)#添加常数项拟合模型model=sm.OLS(y,X).fit()print(model.su