数据分析岗位笔试题及上机操作练习含答案

2026年数据分析岗位笔试题及上机操作练习含答案一、单选题（共10题，每题2分，合计20分）1.在处理缺失值时，以下哪种方法最适用于连续型数据且能保留较多信息？A.删除含有缺失值的行B.填充均值C.填充中位数D.填充众数2.假设某电商平台的用户购买行为数据中，"购买金额"和"购买频次"高度正相关，以下哪个结论最合理？A."购买金额"是"购买频次"的因变量B.两变量存在多重共线性问题C."购买频次"受"购买金额"影响较大D.数据存在异常值干扰3.在SQL查询中，以下哪个语句用于计算分组后的非空平均值？A.`AVG()`B.`SUM()`C.`COUNT()`D.`GROUPBY`4.假设某城市共享单车骑行数据中，"骑行时长"和"天气温度"的相关系数为0.85，以下哪个描述最准确？A.两变量线性关系极弱B.温度升高会显著减少骑行时长C.数据可能存在非线性关系D.温度对骑行时长无影响5.以下哪种算法最适合用于异常检测任务？A.决策树B.K-Means聚类C.线性回归D.随机森林6.在Python中，以下哪个库主要用于数据清洗和预处理？A.MatplotlibB.Scikit-learnC.PandasD.TensorFlow7.假设某零售企业的销售数据中，"促销活动"和"销售额"的相关系数为-0.6，以下哪个结论最合理？A.促销活动会显著降低销售额B.促销活动对销售额无影响C.数据可能存在虚假相关性D.促销活动效果需结合其他变量分析8.在Excel中，以下哪个函数用于计算一组数据的分位数？A.`MEDIAN()`B.`QUARTILE()`C.`STDEV()`D.`CORREL()`9.假设某银行客户数据中，"信用评分"和"贷款金额"呈对数关系，以下哪个模型可能更适用？A.线性回归B.对数线性回归C.逻辑回归D.多项式回归10.在数据可视化中，以下哪种图表最适合展示时间序列数据的趋势变化？A.散点图B.柱状图C.折线图D.饼图二、多选题（共5题，每题3分，合计15分）1.以下哪些方法可用于处理数据中的离群值？A.删除离群值B.用均值替换离群值C.分位数变换D.标准化处理2.在A/B测试中，以下哪些指标可用于评估实验效果？A.转化率B.点击率C.用户留存率D.净收入3.假设某外卖平台的数据分析任务中，"订单金额"和"距离"高度相关，以下哪些变量可能需要加入模型？A.用户等级B.促销类型C.配送时间D.天气状况4.在机器学习特征工程中，以下哪些方法属于降维技术？A.主成分分析（PCA）B.特征选择C.数据标准化D.特征编码5.在SQL中，以下哪些语句可用于数据聚合？A.`SUM()`B.`GROUPBY`C.`HAVING`D.`ORDERBY`三、判断题（共5题，每题2分，合计10分）1.皮尔逊相关系数的取值范围是[-1,1]，绝对值越大表示线性关系越强。（正确/错误）2.在数据抽样时，分层抽样比简单随机抽样更适用于目标变量分布不均匀的数据。（正确/错误）3.假设检验中，p值越小，拒绝原假设的证据越强。（正确/错误）4.K-Means聚类算法对初始聚类中心的选择敏感，可能导致结果不唯一。（正确/错误）5.在Excel中，"数据透视表"可用于动态汇总和分析多维数据。（正确/错误）四、简答题（共3题，每题5分，合计15分）1.简述"数据清洗"的主要步骤及其目的。2.解释"多重共线性"的概念及其对模型的影响。3.在分析用户行为数据时，如何定义"活跃用户"？请举例说明。五、上机操作题（共2题，每题10分，合计20分）1.数据清洗与预处理假设你获得一份某电商平台用户订单数据（CSV格式），包含以下字段：-`订单ID`（字符串）-`用户ID`（字符串）-`订单金额`（数值，部分缺失）-`下单时间`（日期，部分格式错误）-`支付方式`（分类，含拼写错误）要求：1.导入数据，处理缺失值（订单金额用中位数填充，时间格式统一为"YYYY-MM-DD"）。2.处理"支付方式"的拼写错误（如"alipay"→"支付宝"）。3.计算每用户的平均订单金额，并按金额降序排列。2.SQL查询与数据聚合假设有以下两张表：-`orders`（订单表）：`order_id`（主键），`user_id`（外键），`product_id`（外键），`order_date`（日期）-`products`（商品表）：`product_id`（主键），`category`（分类）要求：1.查询每个用户的订单总数及订单金额总和。2.按商品分类统计订单数量，并筛选出订单数量超过10的分类。答案与解析一、单选题答案与解析1.C-解析：填充中位数适用于连续型数据且能减少异常值的影响，保留更多信息。2.B-解析：高度正相关可能存在多重共线性，需警惕模型解释力下降。3.A-解析：`AVG()`函数在SQL中默认忽略NULL值，计算非空平均值。4.C-解析：相关系数接近1表示强线性关系，但需结合散点图确认是否为非线性。5.B-解析：K-Means通过距离聚类，适合检测离群点。6.C-解析：Pandas提供`dropna()`、`fillna()`等函数进行数据清洗。7.C-解析：负相关可能存在反向关系，需结合业务场景分析。8.B-解析：`QUARTILE()`返回分位数，如`QUARTILE(data,0.25)`为25分位数。9.B-解析：对数线性回归适用于对数关系，如`ln(y)=a+bx`。10.C-解析：折线图适合展示趋势变化，柱状图更适合理想对比。二、多选题答案与解析1.A,B,C,D-解析：离群值处理方法多样，包括删除、替换、变换和标准化。2.A,B,C,D-解析：A/B测试需全面评估转化率、留存率等指标。3.A,B,C,D-解析：这些变量可能影响订单金额，需纳入模型分析。4.A,B-解析：PCA和特征选择是降维方法，标准化和编码是预处理技术。5.A,B,C-解析：`ORDERBY`用于排序，不聚合数据。三、判断题答案与解析1.正确-解析：相关系数绝对值越大，线性关系越强。2.正确-解析：分层抽样能保证样本代表性。3.正确-解析：p值小于显著性水平（如0.05）时拒绝原假设。4.正确-解析：K-Means对初始中心敏感，可能因随机性导致结果不同。5.正确-解析：数据透视表支持多维分析。四、简答题答案与解析1.数据清洗步骤及目的-步骤：1.缺失值处理（删除/填充）；2.异常值检测与处理（箱线图/3σ法）；3.数据格式统一（日期/分类）；4.重复值处理；5.无关列删除。-目的：提高数据质量，减少分析偏差。2.多重共线性概念及影响-概念：自变量高度相关，如`x1=2x2`。-影响：1.模型系数不稳定；2.解释力下降；3.可能误判变量显著性。3.活跃用户定义-定义：在指定周期内（如30天）有行为记录的用户，如登录、下单等。-示例：某电商平台将连续30天有下单行为的用户定义为"活跃用户"。五、上机操作题答案与解析1.数据清洗与预处理（Python示例）pythonimportpandasaspdimportnumpyasnp读取数据data=pd.read_csv('orders.csv')处理缺失值data['订单金额'].fillna(data['订单金额'].median(),inplace=True)统一时间格式data['下单时间']=pd.to_datetime(data['下单时间'],errors='coerce')处理支付方式data['支付方式']=data['支付方式'].str.strip().replace({'alipay':'支付宝'})计算平均订单金额并排序result=data.groupby('用户ID')['订单金额'].mean().sort_values(ascending=False)print(result)2.SQL查询与数据聚合sql--查询每个用户的订单总数及金额SELECTuser_id,COUNT(order_id)AS订单总数,SUM(order_amount)AS金额总和FROMordersGROUPBYuse