2026年数据分析岗笔试题集含答案

2026年数据分析岗笔试题集含答案一、选择题（共5题，每题2分）说明：以下题目侧重考察数据分析基础理论、统计学知识及Python应用。1.某电商平台A/B测试，对照组（未使用新推荐算法）转化率为5%，实验组（使用新算法）转化率为6%，若显著性水平α=0.05，根据样本量计算结果，该测试的p值约为0.03。以下说法正确的是？A.新算法显著提升转化率B.新算法效果不显著，需增加样本量C.测试结果可能存在偏差，需重新抽样D.控制组与实验组样本量不一致，结论无效2.在处理缺失值时，以下哪种方法适用于数据分布偏态且样本量较大的情况？A.均值填充B.中位数填充C.KNN填充D.回归填充3.某城市交通部门分析地铁客流量，发现工作日早晚高峰时段的客流分布近似正态分布，标准差为2000人。若要评估某日客流异常波动，以下哪种统计方法最合适？A.箱线图分析B.相关性分析C.置信区间计算D.回归树模型4.使用Python的Pandas库处理数据时，以下哪个函数可用于检测数据类型不一致的列？A.`()`B.`df.describe()`C.`df.isnull()`D.`df.dtypes`5.某零售企业分析用户购买行为，发现“购买金额”与“用户年龄”的相关系数为-0.2。以下结论正确的是？A.年龄越大，购买金额越高B.年龄与购买金额无关联C.年龄越大，购买金额越低D.需进一步分析因果关系二、填空题（共4题，每题2分）说明：考察数据分析工具、方法论及行业术语。1.在进行数据清洗时，处理重复值的方法包括______和______。2.逻辑回归模型中，参数估计常用的方法是______。3.SQL中，用于按条件分组的函数是______。4.在时间序列分析中，ARIMA模型中p、d、q分别代表______、______和______。三、简答题（共4题，每题5分）说明：考察数据分析实践与业务理解能力。1.简述数据探索性分析（EDA）的步骤及其在业务决策中的作用。2.某餐饮企业希望分析用户点餐偏好，数据包含“菜品类别”“性别”“消费时段”等字段。请设计一个初步的关联分析方案，并说明如何利用分析结果优化菜单。3.解释什么是“过拟合”和“欠拟合”，并说明如何通过交叉验证等方法缓解问题。4.某电商平台需评估促销活动效果，数据包含“活动期间订单量”“活动前后用户留存率”等指标。请设计一个评估框架，并说明如何通过数据验证促销活动的ROI。四、计算题（共2题，每题10分）说明：考察统计学计算与数据建模能力。1.某电商卖家统计了1000名用户的购买数据，发现平均客单价为200元，标准差为30元。若随机抽取200名用户，求样本均值的95%置信区间。2.某城市地铁A线与B线每日客流量数据如下（单位：万人）：-A线：8,12,9,10,11-B线：7,10,6,9,8请计算两条线路客流量的均值、方差，并比较哪条线路客流更稳定。五、编程题（共1题，15分）说明：考察Python数据处理与可视化能力。任务：使用Python的Pandas和Matplotlib库，分析以下模拟数据（CSV格式），并完成以下任务：1.统计各部门员工平均年龄，并按平均年龄降序排序；2.绘制各部门员工数量条形图；3.筛选出“薪资”高于平均值的员工，并按薪资降序输出。模拟数据（部分）：csv员工ID,姓名,部门,年龄,薪资1,张三,技术部,28,80002,李四,市场部,32,75003,王五,技术部,25,8500...（共100行）答案与解析一、选择题答案1.A解析：p值（0.03）<α（0.05），拒绝原假设，说明新算法显著提升转化率。2.B解析：中位数对偏态分布鲁棒性更强，适用于填充缺失值。3.C解析：正态分布可用置信区间评估波动，标准差（2000人）较大时需关注异常值。4.D解析：`df.dtypes`显示数据类型，可快速定位不一致列。5.C解析：负相关系数（-0.2）说明年龄越大，购买金额可能越低，但需结合业务验证。二、填空题答案1.删除重复值；合并重复值2.最大似然估计3.`GROUPBY`4.自回归项；差分阶数；移动平均项三、简答题答案1.EDA步骤：-数据清洗：处理缺失值、异常值；-描述性统计：均值、中位数、分位数等；-可视化分析：直方图、散点图、箱线图等；-关联性探索：相关性分析、分组统计；作用：发现数据规律、验证假设、指导建模。2.关联分析方案：-统计各菜品类别在不同时段的销量；-分析不同性别对菜品的偏好差异；优化建议：-高关联菜品（如“宵夜类”在夜间销量高）加大推广；-针对性推荐（如男性用户优先推荐“烧烤类”）。3.过拟合/欠拟合解释：-过拟合：模型对训练数据拟合过度，泛化能力差；-欠拟合：模型过于简化，未捕捉数据规律；缓解方法：-交叉验证选择最优参数；-增加数据量或特征工程。4.促销活动ROI评估框架：-核心指标：活动期间订单量、客单价、留存率；-对比分析：活动前后数据差异；ROI计算：ROI=(活动收入-活动成本)/活动成本×100%四、计算题答案1.置信区间计算：样本均值±1.96×（标准差/√n）=200±1.96×（30/√200）≈[194.6,205.4]元。2.均值与方差计算：-A线：均值=10，方差=4；B线：均值=8，方差=3；结论：B线更稳定（方差更小）。五、编程题参考代码pythonimportpandasaspdimportmatplotlib.pyplotasplt读取数据df=pd.read_csv('data.csv')1.统计平均年龄并排序age_avg=df.groupby('部门')['年龄'].mean().sort_values(ascending=False)2.绘制条形图plt.bar(age_avg.index,age_avg.values)plt.title('各部门平均年龄')plt.show()3.筛选