2025年数据分析师职业指导师(中级)专业能力试卷及答案_第1页
2025年数据分析师职业指导师(中级)专业能力试卷及答案_第2页
2025年数据分析师职业指导师(中级)专业能力试卷及答案_第3页
2025年数据分析师职业指导师(中级)专业能力试卷及答案_第4页
2025年数据分析师职业指导师(中级)专业能力试卷及答案_第5页
已阅读5页,还剩19页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

2025年数据分析师职业指导师(中级)专业能力试卷及答案一、单项选择题(每题1分,共30分。每题只有一个正确答案,请将正确选项的字母填在括号内)1.在Python中,使用pandas读取CSV文件时,若文件编码为GBK,应使用的参数是()A.encoding='utf8'B.encoding='gbk'C.decode='gbk'D.charset='gb2312'答案:B2.某电商平台的用户行为日志中,字段“event_time”为字符串格式“2025060314:23:45”,若需将其转换为pandas的datetime类型,正确的代码是()A.pd.to_datetime(df['event_time'],format='%Y%m%d%H:%M:%S')B.pd.to_datetime(df['event_time'],unit='s')C.pd.to_datetime(df['event_time'],origin='unix')D.pd.to_datetime(df['event_time'],infer_datetime_format=False)答案:A3.在SQL中,计算用户次日留存率的正确逻辑是()A.次日活跃用户数÷当日新增用户数B.当日活跃用户数÷次日新增用户数C.次日新增用户数÷当日活跃用户数D.当日新增用户数÷次日活跃用户数答案:A4.使用Excel进行数据清洗时,若需将“2025/6/3”统一为“20250603”,应优先使用的功能是()A.查找与替换B.分列C.设置单元格格式→自定义D.数据验证答案:C5.在Python中,使用seaborn绘制箱线图时,若需按“city”分组并显示“price”分布,正确的代码是()A.sns.boxplot(x='city',y='price',data=df)B.sns.boxplot(x='price',y='city',data=df)C.sns.violinplot(x='city',y='price',kind='box')D.sns.catplot(x='city',y='price',kind='box')答案:A6.某A/B实验样本量为10000,实验组转化率5.2%,对照组转化率4.8%,若使用两样本z检验,显著性水平α=0.05,临界值|z|=1.96,则结论为()A.拒绝原假设,实验组显著优于对照组B.拒绝原假设,对照组显著优于实验组C.不拒绝原假设,差异不显著D.无法判断,需补充样本量答案:C7.在PowerBI中,若需创建“同比”度量值,使用的DAX函数组合是()A.CALCULATE+SAMEPERIODLASTYEARB.CALCULATE+DATEADDC.CALCULATE+PARALLELPERIODD.CALCULATE+PREVIOUSYEAR答案:A8.使用Python进行文本分词时,若需精确模式并去除停用词,正确的jieba调用顺序是()A.jieba.lcut(s,cut_all=False)→停用词过滤B.jieba.lcut(s,cut_all=True)→停用词过滤C.jieba.cut_for_search(s)→停用词过滤D.jieba.tokenize(s)→停用词过滤答案:A9.在聚类分析中,若使用KMeans算法,且轮廓系数(silhouettescore)随k值增加而持续下降,则最佳k值应选()A.轮廓系数最高点对应的kB.轮廓系数最低点对应的kC.手肘法则拐点对应的kD.轮廓系数下降前的最大k答案:A10.在Python中,使用sklearn的StandardScaler进行特征标准化后,新特征的均值与方差分别为()A.均值0,方差1B.均值1,方差0C.均值0,方差0D.均值1,方差1答案:A11.在Tableau中,若需将“订单日期”字段快速生成“季度”维度,应使用的功能是()A.创建→分层结构B.右键→创建→计算字段C.右键→离散→季度D.右键→创建→组答案:C12.某平台使用RFM模型进行用户分层,其中“F”指()A.最近一次消费间隔B.消费频率C.消费金额D.消费品类数答案:B13.在Python中,使用statsmodels进行线性回归时,若需查看VIF值,应使用的函数是()A.statsmodels.stats.outliers_influence.variance_inflation_factorB.sklearn.linear_model.LinearRegressionC.statsmodels.api.OLSD.pandas.get_dummies答案:A14.在SQL中,若需计算用户连续登录天数,优先使用的窗口函数是()A.ROW_NUMBER()B.RANK()C.DENSE_RANK()D.NTILE()答案:A15.使用Python进行时间序列预测时,若数据存在明显季节性,应优先选择的模型是()A.ARIMA(1,1,1)B.SARIMA(1,1,1)(1,1,1,12)C.Prophetwithyearly_seasonality=FalseD.LinearRegression答案:B16.在Excel中,若需将透视表中的“求和项”改为“平均值”,应使用的操作路径是()A.值字段设置→汇总方式→平均值B.字段列表→拖动字段C.分析→计算项D.设计→报表布局答案:A17.在Python中,使用numpy生成形状为(3,4)且元素为01随机小数的数组,正确代码是()A.np.random.rand(3,4)B.np.random.randn(3,4)C.np.random.randint(0,1,(3,4))D.np.zeros((3,4))答案:A18.在数据可视化中,若需展示分类变量与数值变量的分布差异,优先选择的图表是()A.箱线图B.散点图C.饼图D.折线图答案:A19.在Python中,使用pandas删除DataFrame中缺失值占比大于30%的列,正确代码是()A.df.loc[:,df.isnull().mean()<0.3]B.df.dropna(thresh=len(df)0.7,axis=1)C.df.dropna(axis=1,inplace=True)D.df.fillna(method='ffill',axis=1)答案:B20.在A/B测试中,若实验指标为“人均GMV”,则该指标属于()A.比率型指标B.计数型指标C.均值型指标D.比例型指标答案:C21.使用Python进行特征选择时,若使用SelectKBest与卡方检验,要求特征必须是()A.非负数值B.标准化后的数值C.正态分布D.离散类别答案:A22.在SQL中,若需将用户表与订单表左连接,并保留所有用户记录,应使用的连接关键字是()A.LEFTJOINB.RIGHTJOINC.INNERJOIND.FULLOUTERJOIN答案:A23.在Python中,使用matplotlib设置中文字体避免乱码,常用的全局设置代码是()A.plt.rcParams['font.sansserif']=['SimHei']B.plt.rcParams['font.family']='Arial'C.plt.rcParams['axes.unicode_minus']=TrueD.plt.style.use('ggplot')答案:A24.在数据仓库中,星型模型与雪花模型的主要区别是()A.是否使用事实表B.维度表是否规范化C.是否支持OLAPD.是否使用外键答案:B25.使用Python进行模型评估时,若类别极度不平衡,应优先查看的指标是()A.AccuracyB.F1scoreC.AUCROCD.Precision@K答案:B26.在Tableau中,若需创建“TopN”筛选器,应使用的功能路径是()A.右键维度→筛选器→Top→按字段B.分析→汇总C.工作表→操作D.数据→提取答案:A27.在Python中,使用pandas将字符串“¥1,234.56”转为浮点数,正确代码是()A.pd.to_numeric(df['price'].str.replace('[,¥]','',regex=True))B.df['price'].astype(float)C.float(df['price'])D.df['price'].str.strip('¥')答案:A28.在SQL中,若需计算用户首次购买间隔(注册到首次购买的天数),应使用的窗口函数是()A.MIN(order_date)OVER(PARTITIONBYuser_id)B.FIRST_VALUE(order_date)OVER(PARTITIONBYuser_idORDERBYorder_date)C.ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYorder_date)D.LAG(order_date)OVER(PARTITIONBYuser_idORDERBYorder_date)答案:A29.在Python中,使用sklearn的RandomForestClassifier训练模型后,查看特征重要性的属性是()A.feature_importances_B.coef_C.scores_D.oob_score_答案:A30.在数据可视化中,若需展示地理分布,优先选择的图表是()A.热力地图B.雷达图C.树状图D.桑基图答案:A二、多项选择题(每题2分,共20分。每题有两个或两个以上正确答案,请将所有正确选项的字母填在括号内,漏选、错选均不得分)31.以下哪些操作可以有效降低过拟合风险()A.增加训练样本B.减少模型复杂度C.使用L2正则化D.提高学习率答案:A、B、C32.在Python中,以下哪些函数可用于缺失值填充()A.df.fillna()B.df.replace()C.erpolate()D.df.dropna()答案:A、C33.以下哪些指标可用于评估回归模型()A.MAEB.RMSEC.R²D.AUC答案:A、B、C34.在SQL中,以下哪些语句会触发全表扫描()A.SELECTFROMuserWHEREphoneLIKE'%138%'B.SELECTFROMuserWHEREid=123C.SELECTFROMuserWHEREYEAR(birthday)=1990D.SELECTFROMuserWHEREstatus=1ANDindexonstatus答案:A、C35.以下哪些属于无监督学习算法()A.KMeansB.DBSCANC.AprioriD.XGBoost答案:A、B、C36.在Python中,以下哪些库支持深度学习()A.TensorFlowB.PyTorchC.KerasD.LightGBM答案:A、B、C37.以下哪些方法可用于处理类别不平衡()A.SMOTE过采样B.欠采样C.调整类别权重D.增加学习率答案:A、B、C38.以下哪些属于时间序列的组成部分()A.趋势B.季节性C.随机波动D.自相关答案:A、B、C39.在Tableau中,以下哪些操作可创建计算字段()A.分析→创建计算字段B.数据窗格右键→创建→计算字段C.工作表→操作→计算字段D.维度右键→创建→计算字段答案:B、D40.以下哪些属于数据治理的核心内容()A.数据质量B.元数据管理C.数据安全D.数据备份答案:A、B、C三、判断题(每题1分,共10分。正确打“√”,错误打“×”)41.在Python中,DataFrame的axis=0表示按列操作。(×)42.使用K折交叉验证时,K值越大,模型方差越小,但计算成本越高。(√)43.在SQL中,UNION会自动去重,而UNIONALL不会。(√)44.在线性回归中,多重共线性会导致系数符号反转。(√)45.在Prophet模型中,changepoint_prior_scale参数越大,趋势拟合越灵活。(√)46.在Excel中,VLOOKUP函数支持向左查找。(×)47.在Python中,使用groupby().agg({'price':'mean'})返回的是Series。(×)48.在Tableau中,上下文筛选器可优先于维度筛选器执行。(√)49.在聚类分析中,SSE(误差平方和)随k增加而单调递减。(√)50.在A/B测试中,若p值小于0.05,则可直接认为实验组指标提升具有业务价值。(×)四、简答题(每题10分,共30分)51.简述使用Python完成用户留存率计算的完整步骤,包括数据预处理、SQL或pandas逻辑、结果输出格式,并给出关键代码片段。答案:步骤1:数据预处理假设订单表orders(user_idstring,order_datedate)。使用pandas读取数据并去重:df=pd.read_sql("SELECTDISTINCTuser_id,order_dateFROMorders",conn)df['order_date']=pd.to_datetime(df['order_date'])步骤2:计算新增用户表new_users=df.groupby('user_id')['order_date'].min().reset_index()new_users.columns=['user_id','reg_date']步骤3:计算次日留存df['next_day']=df['order_date']+pd.Timedelta(days=1)retain=df.merge(new_users,on='user_id',how='inner')retain=retain[retain['order_date']==retain['next_day']]retain_cnt=retain.groupby('reg_date')['user_id'].nunique()new_cnt=new_users.groupby('reg_date')['user_id'].nunique()result=(retain_cnt/new_cnt).fillna(0).reset_index()result.columns=['reg_date','retain_1d_rate']result.to_csv('retain_1d.csv',index=False)52.某电商平台发现“618”大促期间GMV同比提升30%,但净利润下降5%。请从数据分析师角度,列出至少5条可验证的假设,并给出对应的验证指标与数据表需求。答案:假设1:补贴率过高验证指标:补贴金额/GMV(补贴率)数据表:promotion_order(order_id,subsidy_amount,gmv)假设2:退货率上升验证指标:退货金额/GMV数据表:order_return(return_id,order_id,return_amount)假设3:低毛利品类占比提升验证指标:各品类毛利额占比数据表:order_detail(order_id,category,profit)假设4:物流成本激增验证指标:物流成本/GMV数据表:logistics_cost(order_id,ship_cost)假设5:广告投放ROI下降验证指标:广告带来的GMV/广告花费数据表:ad_cost(ad_id,spend)joinad_order(ad_id,order_id,gmv)53.请解释“数据漂移”(DataDrift)与“概念漂移”(ConceptDrift)的区别,并分别给出在机器学习模型监控中的检测方法与应对策略。答案:数据漂移:输入变量的分布发生变化,但标签条件分布P(Y|X)不变。检测方法:1.对连续变量使用KS检验,对类别变量

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论