2025年高职（大数据技术）数据清洗与预处理试题及答案

2025年高职（大数据技术）数据清洗与预处理试题及答案

（考试时间：90分钟满分100分）班级______姓名______第I卷（选择题，共40分）（总共8题，每题5分，每题只有一个正确答案，请将正确答案填写在括号内）w1.以下哪种情况不属于数据缺失的类型？（）A.完全随机缺失B.结构化缺失C.随机缺失D.非随机缺失w2.对于数据清洗中的去重操作，主要是针对（）。A.重复的记录B.重复的属性值C.重复的数据集D.以上都是w3.在数据标准化中，将数据映射到[0,1]区间的方法是（）。A.最小-最大标准化B.Z-Score标准化C.小数定标标准化D.以上都不是w4.数据清洗过程中，处理噪声数据的方法不包括（）。A.分箱B.聚类C.回归D.数据加密w5.对于异常值的检测，基于统计的方法不包括（）。A.基于均值和标准差B.基于中位数和四分位数C.基于距离度量D.基于密度估计w6.数据清洗时，处理不一致数据的步骤不包括（）。A.识别不一致性B.分析不一致原因C.直接删除D.进行转换w7.在数据清洗流程中，数据集成阶段主要解决（）。A.数据缺失问题B.数据重复问题C.来自多个数据源的数据合并问题D.数据噪声问题w8.以下关于数据清洗的说法，错误的是（）。A.数据清洗是为了提高数据质量B.数据清洗只需要处理缺失值C.不同领域的数据清洗重点可能不同D.数据清洗是一个反复的过程第II卷（非选择题，共60分）w9.（10分）简述数据清洗的主要目的以及至少三个常见的数据质量问题。w10.（15分）请详细说明在数据清洗中，处理缺失值的三种主要方法及其适用场景。w11.（15分）给出一个数据集，其中存在一些重复记录和噪声数据，请描述你会采取哪些步骤进行清洗。材料：有一个包含学生成绩的数据集，部分数据如下：|学号|姓名|数学成绩|语文成绩|英语成绩||----|----|----|----|----||1|张三|85|90|88||2|李四|78|82|85||1|张三|85|90|88||3|王五|65|70|72||4|赵六|88|92|89||5|孙七|55|60|58||6|周八|75|78|76||1|张三|85|90|88||7|吴九|45|50|48||8|郑十|70|73|71||9|王十一|68|72|70||10|李十二|80|83|81||11|张十三|52|55|53||12|刘十四|62|65|63||13|陈十五|77|80|78||14|杨十六|82|85|83||15|黄十七|42|45|44||16|赵十八|74|77|75||17|吴十九|66|69|67||18|郑二十|81|84|82||19|王二十一|58|61|59||20|李二十二|79|82|80||21|张二十三|50|53|51||22|刘二十四|60|63|61||23|陈二十五|76|79|77||24|杨二十六|83|86|84||25|黄二十七|40|43|41||26|赵二十八|73|76|74||27|吴二十九|64|67|65||28|郑三十|80|83|81||29|王三十一|56|59|57||30|李三十二|78|81|79||31|张三十三|54|57|55||32|刘三十四|61|64|62||33|陈三十五|75|78|76||34|杨三十六|84|87|85||35|黄三十七|38|41|39||36|赵三十八|72|75|73||37|吴三十九|62|65|63||38|郑四十|79|82|80||39|王四十一|52|55|53||40|李四十二|77|80|78||41|张四十三|48|51|49||42|刘四十四|63|66|64||43|陈四十五|74|77|75||44|杨四十七|85|88|86||45|黄四十八|;|;|;||46|赵四十九|71|74|72||47|吴五十|60|63|61||48|郑五十一|78|81|79||49|王五十二|50|53|51||50|李五十三|76|79|77||51|张五十四|46|49|47||52|刘五十五|6`|63|61||53|陈五十六|73|76|74||54|杨五十七|82|85|83||55|黄五十八|3`|36|34||56|赵五十九|70|73|71||57|吴六十|58|61|59||58|郑六十一|77|80|78||59|王六十二|44|47|45||60|李六十四|7`|73|71|w12.（10分）