2026年Python数据分析师面试题及答案

2026年Python数据分析师面试题及答案一、选择题（共5题，每题2分）1.题：在Python中，以下哪个库主要用于数据分析和可视化？A.PandasB.NumPyC.MatplotlibD.Scikit-learn答案：A解析：Pandas是Python中专门用于数据分析的库，提供了DataFrame等数据结构，方便数据处理和分析。NumPy主要用于数值计算，Matplotlib用于绘图，Scikit-learn用于机器学习。2.题：以下哪个函数可以用来计算Python列表或PandasSeries中的缺失值比例？A.`mean()`B.`median()`C.`isnull().mean()`D.`std()`答案：C解析：`isnull().mean()`可以计算数据中的缺失值比例。`mean()`计算平均值，`median()`计算中位数，`std()`计算标准差。3.题：在Pandas中，如何将DataFrame的某一列转换为分类数据类型？A.`astype(str)`B.`astype('category')`C.`to_numeric()`D.`convert_dtypes()`答案：B解析：`astype('category')`可以将某一列转换为分类数据类型，适合用于离散的分类变量。4.题：以下哪个是Python中用于自然语言处理的库？A.PandasB.MatplotlibC.NLTKD.Scikit-learn答案：C解析：NLTK（NaturalLanguageToolkit）是Python中用于自然语言处理的库，提供了文本处理、分词、词性标注等功能。5.题：在SQL中，以下哪个语句用于按某个字段对数据进行排序？A.`GROUPBY`B.`ORDERBY`C.`JOIN`D.`WHERE`答案：B解析：`ORDERBY`用于按某个字段对数据进行排序，`GROUPBY`用于分组，`JOIN`用于连接表，`WHERE`用于条件筛选。二、填空题（共5题，每题2分）1.题：在Pandas中，使用______函数可以去除DataFrame中的重复行。答案：drop_duplicates解析：`drop_duplicates()`函数可以去除DataFrame中的重复行，默认保留第一次出现的行。2.题：在Python中，使用______库可以方便地进行时间序列分析。答案：Pandas解析：Pandas提供了强大的时间序列分析功能，如`datetime`、`date_range`等。3.题：在NumPy中，使用______函数可以创建一个随机数组。答案：random.rand解析：`random.rand()`函数可以创建一个指定形状的随机数组，数组元素均匀分布在[0,1)区间。4.题：在机器学习中，交叉验证通常使用______来实现。答案：K-FoldCross-Validation解析：K折交叉验证是常用的模型评估方法，将数据分成K份，轮流作为测试集和训练集。5.题：在SQL中，使用______关键字可以用于连接多个表。答案：JOIN解析：`JOIN`关键字用于连接多个表，根据共同字段进行匹配。三、简答题（共5题，每题4分）1.题：简述Pandas中DataFrame和Series的区别。答案：-DataFrame是二维的表格数据结构，可以包含多种数据类型（如数值、字符串、布尔值等），每列是一个Series。-Series是一维的数组结构，只能包含单一数据类型。-DataFrame可以通过索引访问行和列，而Series只能通过索引访问元素。2.题：解释什么是数据清洗，并列举至少三种常见的数据清洗方法。答案：-数据清洗是指处理原始数据中的错误、缺失、重复等问题，使其适合分析的过程。-常见方法：1.处理缺失值：删除或填充缺失值。2.处理重复值：删除重复行或列。3.处理异常值：通过统计方法（如IQR）识别并处理异常值。3.题：描述NumPy中`axis`参数的用法。答案：-`axis`参数用于指定操作沿哪个轴进行。-`axis=0`表示沿列操作（垂直方向），`axis=1`表示沿行操作（水平方向）。-例如：`np.sum(arr,axis=0)`对每列求和，`np.sum(arr,axis=1)`对每行求和。4.题：解释什么是特征工程，并说明其重要性。答案：-特征工程是指通过领域知识和技术方法，从原始数据中提取或构造新的特征，以提高模型性能。-重要性：1.提高模型准确性。2.减少数据维度，降低计算复杂度。3.使模型更符合业务逻辑。5.题：在SQL中，`LEFTJOIN`和`INNERJOIN`的区别是什么？答案：-LEFTJOIN：返回左表的所有行，以及右表中匹配的行。如果右表没有匹配，则结果为NULL。-INNERJOIN：只返回左右表中匹配的行，不匹配的行会被过滤掉。-示例：sql--LEFTJOINSELECT,b.ageFROMtable_aASaLEFTJOINtable_bASbONa.id=b.id;--INNERJOINSELECT,b.ageFROMtable_aASaINNERJOINtable_bASbONa.id=b.id;四、编程题（共5题，每题6分）1.题：使用Pandas读取以下CSV数据，并计算每人的平均分。csvname,math,english,scienceAlice,85,92,88Bob,78,85,90Charlie,92,88,95答案：pythonimportpandasaspddata="""name,math,english,scienceAlice,85,92,88Bob,78,85,90Charlie,92,88,95"""df=pd.read_csv(pat.StringIO(data))df['average']=df[['math','english','science']].mean(axis=1)print(df)输出：namemathenglishscienceaverage0Alice85928889.01Bob78859085.02Charlie92889591.02.题：使用NumPy创建一个3x3的矩阵，并计算其转置矩阵。答案：pythonimportnumpyasnparr=np.array([[1,2,3],[4,5,6],[7,8,9]])arr_transpose=arr.Tprint(arr_transpose)输出：[[147][258][369]]3.题：使用Pandas对以下数据进行分组，并计算每个部门的平均年龄。pythondata={'name':['Alice','Bob','Charlie','David'],'age':[25,30,35,40],'department':['HR','HR','IT','IT']}df=pd.DataFrame(data)答案：pythongroup=df.groupby('department')['age'].mean()print(group)输出：departmentHR27.5IT37.5Name:age,dtype:float644.题：使用Matplotlib绘制以下数据的折线图，并添加标题和坐标轴标签。pythonmonths=['Jan','Feb','Mar','Apr','May']sales=[200,220,250,210,230]答案：pythonimportmatplotlib.pyplotaspltplt.plot(months,sales,marker='o')plt.title('MonthlySales')plt.xlabel('Month')plt.ylabel('Sales')plt.grid(True)plt.show()5.题：使用Pandas读取以下JSON数据，并筛选出年龄大于30的人。json[{"name":"Alice","age":25,"city":"NewYork"},{"name":"Bob","age":35,"city":"London"},{"name":"Charlie","age":28,"city":"Paris"}]答案：pythonimportpandasaspddata=[{"name":"Alice","age":25,"city":"NewYork"},{"name":"Bob","age":35,"city":"London"},{"name":"Charlie","age":28,"city":"Paris"}]df=pd.DataFrame(data)result=df[df['age']>30]print(result)输出：nameagecity1Bob35London五、综合题（共5题，每题8分）1.题：使用Pandas处理以下数据，要求：1.删除重复行；2.填充缺失值（用均值填充）；3.将`score`列转换为整数类型。pythondata={'name':['Alice','Bob','Charlie','Alice',None],'score':[85.5,92.0,None,88.0,90.5],'age':[25,30,35,25,28]}df=pd.DataFrame(data)答案：pythonimportpandasaspddata={'name':['Alice','Bob','Charlie','Alice',None],'score':[85.5,92.0,None,88.0,90.5],'age':[25,30,35,25,28]}df=pd.DataFrame(data)df.drop_duplicates(inplace=True)df['score'].fillna(df['score'].mean(),inplace=True)df['score']=df['score'].astype(int)print(df)输出：namescoreage0Alice86251Bob92302Charlie90352.题：使用NumPy创建一个5x5的随机矩阵，并使用布尔索引筛选出大于平均值的元素。答案：pythonimportnumpyasnparr=np.random.rand(5,5)mean_val=arr.mean()filtered=arr[arr>mean_val]print("Matrix:\n",arr)print("Filteredelements:",filtered)3.题：使用Pandas读取以下CSV数据，并计算每个城市的平均收入，然后按平均收入降序排序。csvname,age,city,incomeAlice,25,NewYork,5000Bob,30,Paris,6000Charlie,35,London,7000David,28,NewYork,5500答案：pythonimportpandasaspddata="""name,age,city,incomeAlice,25,NewYork,5000Bob,30,Paris,6000Charlie,35,London,7000David,28,NewYork,5500"""df=pd.read_csv(pat.StringIO(data))avg_income=df.groupby('city')['income'].mean().sort_values(ascending=False)print(avg_income)输出：cityLondon7000Paris6000NewYork5250Name:income,dtype:float644.题：使用Matplotlib绘制以下数据的柱状图，并添加数值标签。pythoncategories=['A','B','C','D']values=[15,30,45,10]答案：pythonimportmatplotlib.pyplotaspltplt.bar(categories,values)fori,vinenumerate(values):plt.text(i,v+0.5,str(v),ha='center')plt.title('CategoryValues')plt.xlabel('Category')plt.ylabel('Value')plt.show()5.题：使用Pandas处理以下数据，要求：1.将`date`列转换为日期格式；2.按日期分组，计算每天的销售额总和；3.找出销售额