数据分析师中级面试题及答案参考

2026年数据分析师中级面试题及答案参考一、选择题（共5题，每题2分，共10分）1.在处理缺失值时，以下哪种方法在数据量较大且缺失比例不高的情况下效果最好？A.删除缺失值B.均值/中位数/众数填充C.K最近邻（KNN）填充D.回归填充2.以下哪种指标最适合衡量分类模型的预测准确性？A.AUC（ROC曲线下面积）B.F1分数C.R²（决定系数）D.均方误差（MSE）3.在时间序列分析中，ARIMA模型的核心假设是什么？A.数据呈线性关系B.数据具有自相关性C.数据方差恒定D.数据无季节性4.以下哪种数据库最适合存储结构化、关系型数据？A.MongoDBB.RedisC.PostgreSQLD.Hadoop5.在数据可视化中，以下哪种图表最适合展示不同类别数据的占比？A.折线图B.散点图C.饼图D.柱状图二、简答题（共4题，每题5分，共20分）6.简述数据清洗的主要步骤及其目的。（需包含缺失值处理、异常值检测、重复值处理、数据格式统一等）7.解释什么是交叉验证，并说明其在模型评估中的作用。（需说明K折交叉验证的原理及优点）8.在数据分析师工作中，如何平衡数据探索与业务目标？（需结合实际案例说明数据分析师如何确保分析结果服务于业务决策）9.什么是特征工程？请举例说明两种常见的特征工程方法。（需结合实际场景说明特征工程对模型性能的提升作用）三、计算题（共2题，每题10分，共20分）10.假设某电商平台的用户购买行为数据如下：-用户A：购买次数=5，平均客单价=200元-用户B：购买次数=3，平均客单价=300元-用户C：购买次数=8，平均客单价=150元请计算该平台的用户平均客单价（使用加权平均法）。（需说明计算步骤及公式）11.某城市出租车行驶数据如下表，请计算该城市的出租车平均时速（假设每段行程时间单位为分钟，距离单位为公里）：|行程编号|距离（公里）|时间（分钟）||-|-|--||1|5|10||2|8|15||3|12|20||4|6|12|请计算平均时速并说明计算方法。四、业务分析题（共2题，每题15分，共30分）12.某零售企业希望提升用户复购率，请设计一个数据分析方案，包括数据来源、分析步骤及业务建议。（需结合用户行为数据、交易数据、用户画像等进行分析）13.某外卖平台希望优化配送效率，请设计一个数据分析方案，包括数据指标、分析方法及优化建议。（需结合订单数据、配送路线数据、用户反馈等进行分析）五、代码题（共1题，20分）14.假设某电商平台的用户评分数据如下（使用Python完成）：pythonratings=[4,5,3,4,5,2,3,4,5,1]请编写代码计算：-平均评分-中位数评分-分数大于3的用户占比（需展示完整代码及注释）答案及解析一、选择题答案及解析1.C.K最近邻（KNN）填充解析：当数据量较大且缺失比例不高时，KNN填充能利用近邻样本的值进行插补，保留数据分布特征。均值/中位数填充适用于缺失比例较高的情况，删除缺失值会导致数据损失。2.B.F1分数解析：F1分数综合考虑了精确率和召回率，适合不均衡数据集的分类模型评估。AUC衡量全局性能，R²用于回归模型，MSE是回归模型的损失函数。3.B.数据具有自相关性解析：ARIMA模型的核心是处理时间序列的自相关性，通过差分消除非平稳性，再通过自回归（AR）和移动平均（MA）捕捉序列依赖。4.C.PostgreSQL解析：PostgreSQL是关系型数据库管理系统（RDBMS），适合存储结构化数据。MongoDB是NoSQL数据库，Redis是内存数据库，Hadoop是分布式存储框架。5.C.饼图解析：饼图直观展示各部分占比，适合分类数据。折线图用于趋势分析，散点图用于相关性分析，柱状图用于比较数值大小。二、简答题答案及解析6.数据清洗的主要步骤及其目的：-缺失值处理：删除缺失值（适用于缺失比例低）、填充（均值/中位数/众数/模型预测）、插值法（线性/多项式插值）。-异常值检测：使用箱线图/3σ法则/聚类算法识别异常值，可删除/修正/保留（取决于业务场景）。-重复值处理：通过唯一键/相似度算法识别并删除重复记录。-数据格式统一：统一日期格式、数值格式、文本格式，确保数据一致性。目的：提高数据质量，减少模型偏差，确保分析结果的可靠性。7.交叉验证及其作用：-原理：将数据分为K份，轮流用K-1份训练、1份测试，计算K次结果的均值作为最终评估。K折交叉验证（如K=5或10）能充分利用数据，减少单一划分的偶然性。-作用：防止过拟合，评估模型泛化能力，选择最优超参数。8.平衡数据探索与业务目标：-方法：明确业务问题（如用户流失预警、促销效果评估），先定义分析框架，再通过探索性分析（EDA）挖掘数据洞察。-案例：某电商平台分析用户流失，先通过用户行为数据（浏览/购买/退货频率）识别流失特征，再结合RFM模型细分用户，最终提出针对性挽留策略。9.特征工程：-定义：通过组合/转换原始特征，创造新的、更具预测能力的特征。-方法：-特征衍生：如“用户年龄”从出生日期计算，“购物时长”从下单到支付时间差计算。-特征编码：如独热编码（One-Hot）处理分类变量，PCA降维处理高维特征。三、计算题答案及解析10.加权平均客单价计算：-用户A：5次×200元=1000-用户B：3次×300元=900-用户C：8次×150元=1200总购买次数=5+3+8=16总消费金额=1000+900+1200=3100加权平均客单价=3100/16≈193.75元11.平均时速计算：-总距离=5+8+12+6=31公里-总时间=10+15+20+12=57分钟-平均时速（公里/分钟）=31/57≈0.543公里/分钟-换算为小时：0.543×60≈32.58公里/小时四、业务分析题答案及解析12.用户复购率提升方案：-数据来源：用户交易记录、浏览行为日志、用户画像（年龄/地域/消费偏好）、复购次数。-分析步骤：1.计算复购率（购买≥2次用户占比），细分高/中/低复购用户。2.分析复购用户与未复购用户的差异（如客单价/购买品类/活跃时间）。3.建立用户生命周期模型（LTV），识别流失风险用户。-业务建议：-对高复购用户：提供会员权益（如积分/专属折扣）。-对流失用户：通过召回活动（优惠券/短信提醒）刺激复购。13.外卖配送效率优化方案：-数据指标：订单密度（区域订单分布）、配送时长（平均/中位数）、空驶率（车辆利用率）、用户投诉率。-分析方法：1.基于订单密度和实时路况，动态调整区域配送员数量。2.通过路径优化算法（如Dijkstra/遗传算法）规划最优配送路线。3.结合用户反馈（如等待时长/骑手态度），优化服务流程。-业务建议：-在高订单区域增加前置仓，缩短配送距离。-对配送员进行实时导航和任务分配培训，减少堵车延误。五、代码题答案及解析pythonimportnumpyasnp用户评分数据ratings=[4,5,3,4,5,2,3,4,5,1]计算平均评分average_rating=np.mean(ratings)print(f"平均评分：{average_rating:.2f}")计算中位数评分median_rating=np.median(ratings)print(f"中位数评分：{median_rating}")计算分数大于3的用户占比above_3_count=sum(r>3forrinratings)above_3_percentage=above_3_count/le