数据分析师面试宝典技术问题解析

2026年数据分析师面试宝典：技术问题解析一、SQL查询题（共5题，每题8分，总分40分）题目1（8分）假设你有一个电商平台的订单表`orders`，包含字段：`order_id`（订单ID，主键）、`user_id`（用户ID）、`order_date`（订单日期）、`product_id`（产品ID）、`quantity`（购买数量）、`price`（单价）。另有一个产品表`products`，包含字段：`product_id`（产品ID，主键）、`product_name`（产品名称）、`category`（产品类别）。请编写SQL查询语句，找出2025年每个产品类别中销量（总数量）最高的产品，要求结果包含产品类别、产品名称和总销量。sql--你的答案题目2（8分）现在有一个用户行为表`user_actions`，包含字段：`action_id`（行为ID，主键）、`user_id`（用户ID）、`action_type`（行为类型，如'click'、'view'、'purchase'）、`timestamp`（时间戳）、`page_url`（页面URL）。请编写SQL查询语句，找出每个用户在2026年1月1日当天最常访问的页面URL，要求结果只显示用户ID和最常访问的页面URL，如果有并列情况，选择URL字母顺序靠前的。sql--你的答案题目3（8分）假设有一个销售数据表`sales`，包含字段：`sale_id`（销售ID，主键）、`store_id`（店铺ID）、`product_id`（产品ID）、`sale_date`（销售日期）、`amount`（销售金额）。另有一个店铺表`stores`，包含字段：`store_id`（店铺ID，主键）、`store_name`（店铺名称）、`city`（城市）。请编写SQL查询语句，计算2025年每个城市销售额最高的店铺，要求结果包含城市、店铺名称和总销售额，如果销售额相同，则选择店铺ID较小的。sql--你的答案题目4（8分）有一个网站访问日志表`web_logs`，包含字段：`log_id`（日志ID，主键）、`user_id`（用户ID）、`session_id`（会话ID）、`timestamp`（时间戳）、`pageview`（页面浏览量）。请编写SQL查询语句，找出2026年每个会话中页面浏览量最多的会话，要求结果包含会话ID和最大页面浏览量。sql--你的答案题目5（8分）假设有一个订单明细表`order_details`，包含字段：`detail_id`（明细ID，主键）、`order_id`（订单ID）、`product_id`（产品ID）、`quantity`（数量）、`unit_price`（单价）。另有一个产品表`products`，包含字段：`product_id`（产品ID，主键）、`product_name`（产品名称）。请编写SQL查询语句，计算每个产品的总销售额（数量×单价），并找出总销售额最高的前5个产品，要求结果包含产品名称和总销售额。sql--你的答案二、Python编程题（共4题，每题10分，总分40分）题目6（10分）假设你有一个包含用户评分数据的CSV文件`ratings.csv`，其中包含字段：`user_id`（用户ID）、`product_id`（产品ID）、`rating`（评分）、`timestamp`（时间戳）。请编写Python代码，读取这个CSV文件，计算每个用户的平均评分，并将结果按平均评分从高到低排序，保存到一个新的CSV文件`user_avg_ratings.csv`中。python你的代码题目7（10分）有一个包含网站访问日志的JSON文件`logs.json`，格式如下：json[{"user_id":"u1","session_id":"s1","pageview":5},{"user_id":"u2","session_id":"s2","pageview":3},...]请编写Python代码，读取这个JSON文件，计算每个会话的页面浏览量总和，并将结果按页面浏览量总和从高到低排序，保存到一个新的CSV文件`session_pageviews.csv`中。python你的代码题目8（10分）假设你有一个包含产品销售数据的DataFrame`df`，包含字段：`product_id`（产品ID）、`sales_amount`（销售金额）、`sales_date`（销售日期）。请编写Python代码，使用Pandas库，找出每个月销售金额最高的产品，并将结果保存到一个新的DataFrame中。python你的代码题目9（10分）有一个包含用户注册数据的CSV文件`registrations.csv`，其中包含字段：`user_id`（用户ID）、`register_date`（注册日期）、`platform`（注册平台）。请编写Python代码，读取这个CSV文件，计算每个平台的注册用户数量，并将结果按注册用户数量从高到低排序，保存到一个新的CSV文件`platform_registrations.csv`中。python你的代码三、统计学与数据分析题（共4题，每题10分，总分40分）题目10（10分）假设你有一个包含用户年龄数据的样本数据集：[25,30,22,28,35,29,24,32,27,33]。请计算这个样本数据的均值、中位数、方差和标准差。plaintext--你的答案题目11（10分）有一个电商平台的A/B测试数据，其中控制组（GroupA）的转化率为15%，实验组（GroupB）的转化率为18%。假设每组各有1000用户，请计算这个差异是否具有统计显著性（显著性水平α=0.05）。plaintext--你的答案题目12（10分）假设你有一个包含用户购买金额的数据集：[100,200,150,300,250,400,350,500,450,600]。请使用移动平均法（窗口大小为3）计算这个数据集的平滑值。plaintext--你的答案题目13（10分）有一个包含用户评分数据的样本数据集：[4,5,3,5,4,2,5,3,4,5]。请计算这个数据集的偏度（skewness）和峰度（kurtosis）。plaintext--你的答案四、业务理解与问题解决题（共3题，每题10分，总分30分）题目14（10分）假设你是某电商平台的数据分析师，公司想了解用户购买行为模式，以便优化产品推荐和营销策略。请描述你会如何设计分析方案，包括需要哪些数据、需要分析哪些指标、如何进行数据可视化展示。plaintext--你的答案题目15（10分）假设你是某银行的数据分析师，银行想通过分析用户交易数据来识别潜在的欺诈行为。请描述你会如何设计分析方案，包括需要哪些数据、需要分析哪些指标、如何建立模型进行预测。plaintext--你的答案题目16（10分）假设你是某电商平台的运营部门数据分析师，平台想通过数据分析来提高用户留存率。请描述你会如何设计分析方案，包括需要哪些数据、需要分析哪些指标、如何制定改进策略。plaintext--你的答案答案与解析SQL查询题答案与解析题目1答案与解析sqlSELECTp.category,duct_name,SUM(o.quantity)AStotal_quantityFROMordersoJOINproductspONduct_id=duct_idWHEREYEAR(o.order_date)=2025GROUPBYp.category,duct_nameORDERBYtotal_quantityDESC,duct_nameASC解析：1.使用JOIN连接`orders`和`products`表，通过`product_id`关联2.WHERE子句筛选2025年的订单3.GROUPBY按产品类别和产品名称分组4.SUM(o.quantity)计算每个产品的总销量5.ORDERBY按销量降序排列，销量相同则按产品名称升序排列题目2答案与解析sqlSELECTuser_id,page_urlFROM(SELECTuser_id,page_url,ROW_NUMBER()OVER(PARTITIONBYuser_id,DATE(timestamp)ORDERBYCOUNT()DESC,page_urlASC)ASrankFROMuser_actionsWHEREDATE(timestamp)='2026-01-01'GROUPBYuser_id,page_url,DATE(timestamp))ASranked_pagesWHERErank=1解析：1.使用子查询先筛选2026年1月1日的用户行为2.ROW_NUMBER()函数按用户ID和日期分区，按页面访问次数降序排列，次数相同则按URL升序排列3.最常访问的页面排名为14.外层查询筛选排名为1的记录题目3答案与解析sqlSELECTs.city,s.store_name,SUM(sales.amount)AStotal_salesFROMsalesJOINstoressONsales.store_id=s.store_idWHEREYEAR(sales.sale_date)=2025GROUPBYs.city,s.store_nameORDERBYtotal_salesDESC,sales.store_idASC解析：1.使用JOIN连接`sales`和`stores`表2.WHERE子句筛选2025年的销售数据3.GROUPBY按城市和店铺名称分组4.SUM(sales.amount)计算每个店铺的总销售额5.ORDERBY按销售额降序排列，销售额相同则按店铺ID升序排列题目4答案与解析sqlSELECTsession_id,MAX(pageview)ASmax_pageviewsFROMweb_logsWHEREDATE(timestamp)BETWEEN'2026-01-01'AND'2026-12-31'GROUPBYsession_idORDERBYmax_pageviewsDESC解析：1.WHERE子句筛选2026年的访问日志2.GROUPBY按会话ID分组3.MAX(pageview)计算每个会话的最大页面浏览量4.ORDERBY按最大页面浏览量降序排列题目5答案与解析sqlSELECTduct_name,SUM(od.quantityod.unit_price)AStotal_salesFROMorder_detailsodJOINproductspONduct_id=duct_idGROUPBYduct_nameORDERBYtotal_salesDESCLIMIT5解析：1.使用JOIN连接`order_details`和`products`表2.SUM(od.quantityod.unit_price)计算每个产品的总销售额3.GROUPBY按产品名称分组4.ORDERBY按总销售额降序排列5.LIMIT5限制结果为前5个产品Python编程题答案与解析题目6答案与解析pythonimportpandasaspd读取CSV文件df=pd.read_csv('ratings.csv')计算每个用户的平均评分user_avg_ratings=df.groupby('user_id')['rating'].mean().reset_index()按平均评分降序排序user_avg_ratings=user_avg_ratings.sort_values(by='rating',ascending=False)保存到新的CSV文件user_avg_ratings.to_csv('user_avg_ratings.csv',index=False)解析：1.使用pandas读取CSV文件2.groupby按用户ID分组，计算平均评分3.reset_index将结果转换为DataFrame4.sort_values按平均评分降序排列5.to_csv保存结果到新的CSV文件题目7答案与解析pythonimportjsonimportpandasaspd读取JSON文件withopen('logs.json','r')asf:logs=json.load(f)转换为DataFramedf=pd.DataFrame(logs)计算每个会话的页面浏览量总和session_pageviews=df.groupby('session_id')['pageview'].sum().reset_index()按页面浏览量降序排序session_pageviews=session_pageviews.sort_values(by='pageview',ascending=False)保存到新的CSV文件session_pageviews.to_csv('session_pageviews.csv',index=False)解析：1.使用json模块读取JSON文件2.将JSON数据转换为DataFrame3.groupby按会话ID分组，计算页面浏览量总和4.sort_values按页面浏览量降序排列5.to_csv保存结果到新的CSV文件题目8答案与解析pythonimportpandasaspdfromioimportStringIO假设df是已经存在的DataFrame示例数据data="""product_id,sales_amount,sales_dateP1,1000,2025-01-15P2,1500,2025-01-20P1,2000,2025-02-15P3,1200,2025-02-20P2,1800,2025-03-15"""df=pd.read_csv(StringIO(data))将销售日期转换为datetimedf['sales_date']=pd.to_datetime(df['sales_date'])添加月份列df['month']=df['sales_date'].dt.month按月份和产品ID分组，计算月度销售金额monthly_sales=df.groupby(['month','product_id'])['sales_amount'].sum().reset_index()对每个月份找出销售金额最高的产品idx=monthly_sales.groupby(['month'])['sales_amount'].idxmax()获取最高销售金额的产品top_products_per_month=monthly_sales.loc[idx].reset_index(drop=True)保存到新的DataFrame这里已经保存到top_products_per_month变量中解析：1.读取示例数据到DataFrame2.将销售日期转换为datetime格式3.添加月份列4.groupby按月份和产品ID分组，计算月度销售金额5.使用idxmax找出每个月份销售金额最高的索引6.获取这些索引对应的数据题目9答案与解析pythonimportpandasaspd读取CSV文件df=pd.read_csv('registrations.csv')计算每个平台的注册用户数量platform_registrations=df.groupby('platform')['user_id'].count().reset_index()按注册用户数量降序排序platform_registrations=platform_registrations.sort_values(by='user_id',ascending=False)保存到新的CSV文件platform_registrations.to_csv('platform_registrations.csv',index=False)解析：1.使用pandas读取CSV文件2.groupby按注册平台分组，计算用户数量3.reset_index将结果转换为DataFrame4.sort_values按用户数量降序排列5.to_csv保存结果到新的CSV文件统计学与数据分析题答案与解析题目10答案与解析plaintext均值：28.0中位数：28.0方差：20.16标准差：4.49计算过程：1.均值=(25+30+22+28+35+29+24+32+27+33)/10=28.02.中位数=排序后中间两个数的平均值=(28+28)/2=28.03.方差=Σ(xi-均值)^2/n=20.164.标准差=√方差=4.49题目11答案与解析plaintext检验步骤：1.原假设H0：GroupA转化率=GroupB转化率2.备择假设H1：GroupA转化率≠GroupB转化率3.样本量：n1=n2=10004.转化率：p1=0.15,p2=0.185.合并转化率：p=(x1+x2)/(n1+n2)=(150+180)/(1000+1000)=0.176.标准误差：SE=√p(1-p)(1/n1+1/n2)=0.0127.Z统计量：Z=(p1-p2)/SE=1.678.P值：2P(Z>1.67)≈0.0949.因为P值(0.094)>α(0.05)，所以不拒绝原假设结论：差异不具有统计显著性题目12答案与解析plaintext原始数据：[100,200,150,300,250,400,350,500,450,600]移动平均（窗口大小为3）：-第1个值：无（需要至少3个数据点）-第2个值：(100+200+150)/3=150-第3个值：(200+150+300)/3=200-第4个值：(150+300+250)/3=225-第5个值：(300+250+400)/3=316.67-第6个值：(250+400+350)/3=333.33-第7个值：(400+350+500)/3=433.33-第8个值：(350+500+450)/3=450-第9个值：(500+450+600)/3=500平滑值：[None,150,200,225,316.67,333.33,433.33,450,500]题目13答案与解析plaintext计算步骤：1.偏度：-均值=4.0-标准差=0.82-偏度=Σ(xi-均值)^3/(n标准差^3)=-0.822.峰度：-峰度=Σ(xi-均值)^4/(n标准差^4)-3=