2026年河南信息统计职业学院单招职业技能考试题库及答案

2026年河南信息统计职业学院单招职业技能考试题库及答案一、单项选择题（每题2分，共40分）1.在Excel2021中，若A1:A1000存放的是每日销售额，要求用一条公式返回最近7天销售额的环比增长率，下列写法最严谨的是A.=(SUM(OFFSET(A1,COUNT(A:A)-7,0,7,1))-SUM(OFFSET(A1,COUNT(A:A)-14,0,7,1)))/SUM(OFFSET(A1,COUNT(A:A)-14,0,7,1))B.=(SUM(INDEX(A:A,COUNT(A:A)-6):INDEX(A:A,COUNT(A:A)))-SUM(INDEX(A:A,COUNT(A:A)-13):INDEX(A:A,COUNT(A:A)-7)))/SUM(INDEX(A:A,COUNT(A:A)-13):INDEX(A:A,COUNT(A:A)-7))C.=(SUM(A994:A1000)-SUM(A987:A993))/SUM(A987:A993)D.=(SUM(INDIRECT("A"&COUNT(A:A)-6&":A"&COUNT(A:A)))-SUM(INDIRECT("A"&COUNT(A:A)-13&":A"&COUNT(A:A)-7)))/SUM(INDIRECT("A"&COUNT(A:A)-13&":A"&COUNT(A:A)-7))答案：B解析：OFFSET和INDIRECT均为易失函数，大数据量下重算耗时；硬编码行号在追加数据后失效；INDEX返回区域引用，非易失且高效，故B最优。2.在MySQL8.0中，现有表sale(order_id,sku,qty,price,order_date)，要求计算2025年12月每款sku的毛利率，已知成本表cost(sku,cost_price)，下列SQL正确的是A.SELECTs.sku,(SUM(s.qtys.price)-SUM(s.qtyc.cost_price))/SUM(s.qty*s.price)FROMsalesJOINcostcONs.sku=c.skuWHEREs.order_dateBETWEEN'2025-12-01'AND'2025-12-31'GROUPBYs.sku;B.SELECTs.sku,(SUM(s.qtys.price)-SUM(s.qtyc.cost_price))/NULLIF(SUM(s.qty*s.price),0)FROMsalesLEFTJOINcostcONs.sku=c.skuWHEREYEAR(s.order_date)=2025ANDMONTH(s.order_date)=12GROUPBYs.sku;C.SELECTsku,(SUM(qtyprice)-SUM(qtycost_price))/SUM(qty*price)FROMsaleNATURALJOINcostWHEREorder_dateLIKE'2025-12%'GROUPBYsku;D.SELECTs.sku,(SUM(s.qtys.price)-SUM(s.qtyc.cost_price))/SUM(s.qty*c.cost_price)FROMsalesJOINcostcUSING(sku)WHEREDATE_FORMAT(s.order_date,'%Y-%m')='2025-12'GROUPBYs.sku;答案：B解析：LEFTJOIN防止cost表缺sku导致漏算；NULLIF防除零；YEAR+MONTH可命中索引；NATURALJOIN依赖列名一致，不稳健；D分母用成本而非售价，逻辑错。3.在Python3.11中，用pandas读取1.8GBCSV文件，需只加载2025年11月之后的数据，最快方案是A.pd.read_csv('sale.csv').query("order_date>='2025-11-01'")B.pd.read_csv('sale.csv',parse_dates=['order_date'],dtype={'sku':'category'}).loc[lambdadf:df.order_date>='2025-11-01']C.pd.read_csv('sale.csv',usecols=['order_date','sku','qty','price'],parse_dates=['order_date']).query("order_date>='2025-11-01'")D.pd.read_csv('sale.csv',iterator=True,chunksize=100000).apply(lambdax:x[x.order_date>='2025-11-01']).concat()答案：C解析：A、B全量加载内存占用高；D迭代拼接代码冗且慢；C通过usecols减少I/O与内存，再query过滤，实测最快。4.在PowerBI中，要计算“客户首次购买日期”度量值，最佳DAX表达式为A.FIRSTDATE(Sales[order_date])B.MIN(Sales[order_date])C.CALCULATE(MIN(Sales[order_date]),ALLEXCEPT(Sales,Sales[customer_id]))D.MINX(Sales,Sales[order_date])答案：C解析：ALLEXCEPT保留customer_id筛选，确保每个客户独立计算首购日；A、B、D均受当前筛选上下文影响，无法逐客户返回。5.关于HiveSQL中的分桶表，下列说法正确的是A.分桶字段必须出现在WHERE子句才能触发桶过滤B.分桶数建议设置成与reduce数相等，避免小文件C.分桶表不能与普通表做JOIND.分桶字段可以不在表字段中，只要指定CLUSTEREDBY即可答案：B解析：桶数=reduce数可消除额外shuffle；A错，桶过滤靠JOINON字段；C错，MapJoin支持；D错，CLUSTEREDBY字段必须在表中。6.在Linux服务器上，MySQL8.0的datadir占用磁盘99%，需快速定位最大库，下列命令组合正确的是A.du-sh/var/lib/mysql/*|sort-hr|headB.lsof/var/lib/mysql|awk'{print$7}'|sort-nrC.mysql-e"SELECTtable_schema,SUM(data_length+index_length)/1024/1024ASGBFROMinformation_schema.tablesGROUPBYtable_schemaORDERBYGBDESC;"D.df-h/var/lib/mysql&&find/var/lib/mysql-typef-size+500M答案：C解析：C直接通过元数据汇总，秒级返回；A需遍历文件，慢且含日志；B看打开文件，无关大小；D仅列单文件，无法汇总库级。7.在Excel中，要生成一列1～1000的不重复随机整数，最佳做法是A.=RANDBETWEEN(1,1000)并向下填充，然后删除重复B.在A1输入=RAND()，向下填充1000行，在B1:B1000输入=RANK.EQ(A1,A:A)，然后复制B列数值C.使用“数据→分析工具库→随机数生成”选择“整数”，范围1～1000，输出1000个D.=SEQUENCE(1000,1,1,1)然后=SORTBY(SEQUENCE(1000),RANDARRAY(1000))答案：D解析：D一次性生成顺序数再随机排序，无重复且动态数组公式简洁；A可能重复；B需辅助列；C需加载项，且不能自动刷新。8.在统计学中，若样本量n=50，样本均值=128，标准差=15，则总体均值的95%置信区间为A.128±1.96×15/√50B.128±2.009×15/√50C.128±2.009×15D.128±1.96×15答案：B解析：n<30才用t分布，但题目未给总体正态，n=50可近似正态，严格用t0.025,49=2.009；A用z值，略粗略；C、D标准误漏除√n。9.在Python中，用scikit-learn对含分类变量数据集做标准化+独热+建模，正确管道是A.make_pipeline(StandardScaler(),OneHotEncoder(),LogisticRegression())B.make_column_transformer((StandardScaler(),num_cols),(OneHotEncoder(),cat_cols))>>make_pipeline(ct,LogisticRegression())C.make_pipeline(ColumnTransformer([(StandardScaler(),num_cols),(OneHotEncoder(),cat_cols)]),LogisticRegression())D.make_pipeline(StandardScaler(),ColumnTransformer(…),LogisticRegression())答案：C解析：ColumnTransformer需放在管道第一步，先分列处理再合并矩阵；A、D顺序错；B语法混用>>非法。10.在会计恒等式“资产=负债+所有者权益”中，企业用银行存款偿还应付账款，会导致A.资产减少，负债减少，所有者权益不变B.资产减少，负债不变，所有者权益减少C.资产内部一增一减，总额不变D.负债减少，所有者权益增加，资产不变答案：A解析：银行存款（资产）与应付账款（负债）同时减少，权益不变，恒等式仍成立。11.下列关于增值税一般纳税人“差额征税”说法正确的是A.旅游服务可按差额计税，可全额开专票B.建筑服务简易计税可按差额C.劳务派遣可按差额，但向员工支付工资部分不得开专票D.金融商品转让按卖出价扣除买入价差额计税，可开专票答案：C解析：劳务派遣差额征税，仅管理费部分可开专票，工资社保部分开普票；A旅游差额计税不得开专票；B简易计税不得差额；D金融商品转让不得开专票。12.在数据仓库中，缓慢变化维类型2的做法是A.直接更新原行B.增加新行并标记版本号与时间戳C.增加字段保存旧值D.将变化历史存入另外一张表答案：B解析：SCD2新增行保留历史，用代理键+时间区间区分版本；A为SCD1；C为SCD3；D为扩展做法但非Kimball经典SCD2。13.在ExcelPowerQuery中，将“2025/12/3115:08:12”转为“202512”最佳步骤是A.更改类型为日期，然后自定义列=Date.ToText([日期],"yyyyMM")B.更改类型为文本，然后文本.Middle(1,6)C.添加自定义列=DateTime.ToText(DateTime.Date([Column1]),"yyyyMM")D.拆分列按空格，再取左侧6位答案：C解析：先取日期部分再转文本，避免时间干扰；A直接转日期会丢时间；B、D逻辑混乱。14.在统计学里，若两变量相关系数r=0.85，则决定系数R²为A.0.85B.0.7225C.0.15D.无法确定答案：B解析：R²=r²=0.85²=0.7225，表示因变量变异中72.25%可由自变量解释。15.在Python中，对datetime列df['dt']提取“月初”日期，向量化写法是A.df['dt'].apply(lambdax:x.replace(day=1))B.df['dt']-pd.offsets.Day(df['dt'].dt.day-1)C.df['dt'].dt.to_period('M').dt.start_timeD.df['dt'].map(lambdax:datetime(x.year,x.month,1))答案：C解析：C利用to_period转月份周期再取start_time，纯向量化；A、D用apply/map慢；B需广播，可读性差。16.在会计中，下列项目应计入“其他综合收益”的是A.固定资产处置利得B.可供出售金融资产公允价值变动C.收到的政府补助D.权益法下被投资单位净利润答案：B解析：可供出售金融资产FVOCI变动入其他综合收益；A入资产处置损益；C入递延收益或当期损益；D入投资收益。17.在Hive中，设置hive.exec.dynamic.partition.mode=nonstrict的作用是A.允许所有分区列动态生成，无需指定静态分区B.关闭动态分区功能C.提高小文件合并效率D.启用桶排序答案：A解析：nonstrict模式下，DML可完全不指定静态分区，全动态；strict至少一列静态。18.在Excel中，要返回某列最后非空单元格值，公式为A.=LOOKUP(2,1/(A:A<>""),A:A)B.=INDEX(A:A,COUNTA(A:A))C.=OFFSET(A1,COUNTA(A:A)-1,0)D.=VLOOKUP(9E+307,A:A,1)答案：A解析：LOOKUP(2,1/(条件))经典技巧，可跳过中间空单元；B、C遇空值计数错位；D仅对数值列有效。19.在Python中，用pandas将df按列‘city’分组，计算每组销售额‘amount’的累计占比，正确代码是A.df['pct']=df.groupby('city')['amount'].apply(lambdax:x/x.sum())B.df['pct']=df.groupby('city')['amount'].transform(lambdax:x.cumsum()/x.sum())C.df['pct']=df['amount'].cumsum()/df['amount'].sum()D.df.groupby('city')['amount'].pct_change()答案：B解析：transform保留原索引，cumsum后除以组总和得累计占比；A得组内占比非累计；C全局累计；D为环比。20.在统计学中，若样本比例p̂=0.4，n=200，则99%置信区间用A.0.4±2.576×√(0.4×0.6/200)B.0.4±2.33×√(0.4×0.6/200)C.0.4±1.96×√(0.4×0.6/200)D.0.4±0.01答案：A解析：99%对应z=2.576；B为98%；C为95%；D无意义。二、多项选择题（每题3分，共30分，多选少选均不得分）21.下列Excel函数中，返回数组且无需Ctrl+Shift+Enter的函数有A.FILTERB.UNIQUEC.SORTD.XLOOKUP答案：ABC解析：365动态数组函数直接回车溢出；XLOOKUP单值返回，非数组。22.在Pythonpandas中，可用来检测异常值的统计方法有A.Z-scoreB.IQRC.DBSCAND.Cook距离答案：ABC解析：Cook距离用于回归影响点，非单变量异常；A、B、C均可。23.关于增值税发票“备注栏”必须填写内容，下列有A.建筑服务需注明项目名称、地址B.销售不动产需注明房产权属证书号码C.货物运输需注明车号、起运地D.差额征税开票需注明“差额征税”字样答案：ACD解析：不动产发票未强制在备注栏写证号，应在税收分类编码体现；其余为总局公告明确。24.在数据治理中，属于“数据质量”维度指标的有A.准确性B.完整性C.一致性D.及时性答案：ABCD解析：DAMA框架六大维度含及时性。25.在ExcelPowerPivot中，可创建的关系类型有A.一对一B.一对多C.多对多D.多对一答案：BCD解析：PowerPivot支持多对多通过桥表；一对一实际退化为双向一对多。26.下列关于Python列表生成式说法正确的是A.[x**2forxinrange(5)ifx%2==0]结果长度为3B.可嵌套循环：[m+nformin'AB'fornin'XY']C.可使用walrus运算符：[(y:=x+1)forxinrange(3)]D.比map+lambda慢答案：ABC解析：实测列表生成式比map+lambda略快，D错。27.在统计学假设检验中，属于非参数检验的有A.Mann-WhitneyUB.Kruskal-WallisC.Wilcoxon符号秩D.卡方拟合优度答案：ABCD解析：均不依赖总体分布假设。28.在Linux中，可查看CPUtop5进程的命令组合有A.psaux|head-5B.psaux--sort=-%cpu|head-6C.top-b-n1|head-12|tail-5D.htop-n-5答案：BC解析：A仅列前5行，非最高CPU；Dhtop无-n参数；B、C正确。29.在会计中，影响“经营活动现金流量”的有A.支付职工薪酬B.收到税费返还C.购买固定资产D.支付短期借款利息答案：ABD解析：C属投资活动；其余为经营。30.在HiveSQL优化中，可触发MapJoin的条件有A.小表<25MBB.hive.auto.convert.join=trueC.使用/+MAPJOIN(b)/提示D.桶表JOIN且桶数相等答案：ABC解析：D为SMBJoin，需额外设置。三、判断题（每题1分，共10分，正确打“√”，错误打“×”）31.在Excel中，SUMIFS函数的条件区与求和区必须大小一致。答案：√32.Python的datetime.strptime是线程安全的。答案：×解析：strptime内部使用全局状态，非线程安全。33.增值税小规模纳税人可自愿使用增值税发票管理系统开具专票。答案：√解析：2022年起全行业小规模可自开专票。34.在统计学中，中心极限定理要求总体必须服从正态分布。答案：×35.MySQL的InnoDB聚簇索引叶节点存储整行数据。答案：√36.在PowerBI中，度量值必须依赖DAX，不能用M语言。答案：√37.Python的glob模块支持通配符**，可递归子目录。答案：√38.在会计中，公允价值层次第一层次指不可观察输入值。答案：×解析：第一层次为活跃市场报价，可观察。39.Hive的ORC格式支持ACID事务，但需设置事务属性为true。答案：√40.Excel的XLOOKUP函数默认精确匹配。答案：√四、填空题（每空2分，共20分）41.在Python中，将字符串s='2025-12-31'转为datetime对象，语句为________。答案：pd.to_datetime(s)或datetime.strptime(s,'%Y-%m-%d')42.在Excel中，公式=TEXTJOIN(",",TRUE,A1:A100)的第二个参数TRUE表示________。答案：忽略空单元格43.增值税电子专票版式文件扩展名为________。答案：OFD44.在统计学中，若随机变量X~N(μ,σ²)，则Z=(X-μ)/σ服从________分布。答案：标准正态N(0,1)45.MySQL中，查看慢查询是否开启的命令：SHOWVARIABLESLIKE'________';答案：slow_query_log46.在DAX中，计算年初至今累计销售额的度量值函数缩写为________。答案：TOTALYTD47.在Linux中，将文件file.csv按,分割并取第2列，命令：cut-d,-f2file.csv>________.txt答案：out或任意名称48.在会计恒等式扩展式中，收入-费用=________。答案：利润49.在Hive中，设置本地模式运行的参数：SEThive.exec.mode.local.auto=________;答案：true50.在Pythonpandas中，将分类变量转为数值编码，方法：df['cat']=df['cat'].astype('________').codes答案：category五、简答题（每题10分，共30分）51.简述在Excel中利用PowerQuery实现“全外连接”两表并处理null的步骤。答案：1.数据→获取数据→自工作簿，分别加载表A、表B；2.在PowerQuery编辑器中，选择“合并查询→合并为新查询”；3.选择两表连接字段，连接种类选“完全外部”；4.展开所需列，对null值替换：转换→替换值，填null→0或“未知”；5.关闭并加载至新工作表。52.写出Pythonpandas代码：对df列‘amount’用IQR法剔除异常值并返回清洗后df。答案：Q1=df['amount'].quantile(0.25)Q3=df['amount'].quantile(0.75)IQR=Q3-Q1lower=Q1-1.5*IQRupper=Q3+1.5*IQRdf_clean=df[(df['amount']>=lower)&(df['amount']<=upper)]53.说明小规模纳税人月销售额≤10万元免征增值税的会计处理及报表列示。答案：实现销售时正常确认收入与应交增值税—应交增值税（销项），月末达免税条件，将销项税额转入“其他收益—减免税款”，利润表列示为其他收益，现金流量表列示为“收到的税费返还”。六、综合应用题（共30分）54.某电商公司2025年12月订单表order(order_id,user_id,order_date,amount)，用户首次来源表source(user_id,first_source)，需用MySQL统计自然月内各来源的“当月新增用户”的次月留存率，请写出完整SQL并解释。答案：WITHnew_decAS(SELECTo.user_id,s.first_sourceFROMorderoJOINsourcesUSING(user_id)WHEREDATE_FORMAT(o.order_date,'%Y-%m')='2025-12'GROUPBYo.user_id),retain_janAS(SELECTDISTINCTuser_idFROMorderWHEREDATE_FORMAT(order_date,'%Y-%m')='2026-01')SELECTfirst_source,COUNT(*)ASnew_cnt,COUNT(r.user_id)ASretain_cnt,ROUND(COUNT(r.user_id)/COUNT(*),4)ASretain_rateFROMnew_decnLEFTJOINretain_janrUSING(user_id)GROUPBYfirst_source;解析：1.new_dec子查询找出12月下单且首次来源用户，去重确保“新增”；2.retain_jan子查询找出2026年1月有下单的用户；3.左连接后按来源分