2026年数据分析师基础理论与进阶技巧考试题库及答案

2026年数据分析师基础理论与进阶技巧考试题库及答案一、单选题（共20题，每题2分，共40分）1.在数据清洗过程中，以下哪项技术主要用于处理缺失值？A.数据采样B.数据插补C.数据归一化D.数据离散化2.假设某电商平台的用户购买行为数据中，订单金额的分布呈右偏态，应使用哪种图表更直观地展示数据？A.箱线图B.散点图C.直方图D.饼图3.在SQL中，以下哪个函数用于计算分组数据的平均值？A.SUM()B.AVG()C.COUNT()D.MAX()4.假设某城市出租车计费规则为：起步价10元（含3公里），之后每公里2元，超过8公里后每公里3元。若某次行程为12公里，总费用为多少？A.26元B.28元C.30元D.32元5.在Excel中，使用哪种函数可以快速查找并返回某个区域中满足条件的第一个值？A.VLOOKUP()B.HLOOKUP()C.INDEX()D.MATCH()6.假设某公司2025年第一季度销售额分别为：1月100万，2月120万，3月150万，则月均销售额为多少？A.120万B.130万C.140万D.150万7.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-learn8.假设某产品在A、B两个城市的销售数据如下：A城销量200件，B城销量300件。若A城人口为100万，B城人口为200万，哪个城市的销售率更高？A.A城B.B城C.相同D.无法计算9.在统计学中，以下哪个指标用于衡量数据的离散程度？A.均值B.中位数C.标准差D.方差10.假设某公司员工年龄分布如下：20-30岁占40%，30-40岁占50%，40-50岁占10%。则年龄的众数是多少？A.20-30岁B.30-40岁C.40-50岁D.无法确定11.在数据挖掘中，以下哪种算法属于分类算法？A.聚类算法B.回归算法C.关联规则算法D.决策树算法12.假设某电商平台用户注册数据显示，85%的用户来自移动端，15%来自PC端。若某天总注册用户数为1000人，其中移动端注册人数为多少？A.850人B.925人C.1000人D.150人13.在Excel中，使用哪种函数可以计算某个区域中满足条件的单元格数量？A.SUM()B.COUNTIF()C.AVG()D.MAX()14.假设某公司2025年全年销售额为1000万，其中线上销售额占60%，线下销售额占40%。若2026年计划总销售额增长20%，则线上销售额目标为多少？A.600万B.620万C.640万D.680万15.在Python中，以下哪个方法可以用来查看PandasDataFrame的列名？A.head()B.tail()C.columnsD.info()16.假设某城市地铁票价规则为：6公里内3元，超过6公里后每公里1元。若某次行程为10公里，票价为多少？A.7元B.8元C.9元D.10元17.在统计学中，以下哪种分布属于连续型分布？A.二项分布B.泊松分布C.正态分布D.超几何分布18.假设某公司员工薪资数据如下：5000元/月占30%，6000元/月占50%，8000元/月占20%。则薪资的众数是多少？A.5000元/月B.6000元/月C.8000元/月D.无法确定19.在数据可视化中，以下哪种图表适合展示不同类别数据的占比？A.散点图B.条形图C.饼图D.折线图20.假设某电商平台用户购买行为数据中，85%的用户购买商品数量为1件，15%的用户购买商品数量为2件。则购买商品数量的众数是多少？A.1件B.2件C.无法确定D.1.85件二、多选题（共10题，每题3分，共30分）1.以下哪些方法可以用于处理数据中的异常值？A.删除异常值B.对异常值进行平滑处理C.将异常值转换为缺失值D.使用异常值计算新的特征2.在SQL中，以下哪些函数可以用于数据聚合？A.SUM()B.AVG()C.COUNT()D.MAX()3.假设某公司2025年第一季度销售额分别为：1月100万，2月120万，3月150万。以下哪些指标可以用于衡量其销售趋势？A.增长率B.月均销售额C.销售额方差D.销售额中位数4.在Python中，以下哪些库可以用于数据分析和可视化？A.PandasB.NumPyC.MatplotlibD.Scikit-learn5.假设某城市出租车计费规则为：起步价10元（含3公里），之后每公里2元，超过8公里后每公里3元。以下哪些行程费用计算正确？A.5公里：14元B.10公里：28元C.15公里：34元D.20公里：42元6.在统计学中，以下哪些指标可以用于衡量数据的集中趋势？A.均值B.中位数C.众数D.标准差7.假设某公司员工年龄分布如下：20-30岁占40%，30-40岁占50%，40-50岁占10%。以下哪些结论可以得出？A.年龄的中位数为30-40岁B.年龄的众数为30-40岁C.年龄的均值可能在30-40岁之间D.年龄的方差较大8.在数据挖掘中，以下哪些算法属于分类算法？A.决策树算法B.支持向量机算法C.聚类算法D.K-近邻算法9.假设某电商平台用户注册数据显示，85%的用户来自移动端，15%来自PC端。以下哪些结论可以得出？A.移动端用户占比更高B.PC端用户占比较低C.总注册用户数为1000人时，移动端注册人数为850人D.移动端用户和PC端用户的比例接近6:110.在Excel中，以下哪些函数可以用于数据查找和引用？A.VLOOKUP()B.HLOOKUP()C.INDEX()D.MATCH()三、判断题（共10题，每题2分，共20分）1.假设某公司2025年第一季度销售额分别为：1月100万，2月120万，3月150万。则第一季度总销售额为370万。（正确/错误）2.在SQL中，使用`SELECT`语句可以查询数据库中的数据。（正确/错误）3.假设某城市出租车计费规则为：起步价10元（含3公里），之后每公里2元，超过8公里后每公里3元。若某次行程为5公里，总费用为16元。（正确/错误）4.在Python中，使用`pandas`库可以创建DataFrame对象。（正确/错误）5.假设某公司员工年龄分布如下：20-30岁占40%，30-40岁占50%，40-50岁占10%。则年龄的众数为30-40岁。（正确/错误）6.在数据挖掘中，决策树算法属于分类算法。（正确/错误）7.假设某电商平台用户注册数据显示，85%的用户来自移动端，15%来自PC端。若总注册用户数为1000人，其中移动端注册人数为850人。（正确/错误）8.在Excel中，使用`COUNTIF`函数可以计算某个区域中满足条件的单元格数量。（正确/错误）9.假设某城市地铁票价规则为：6公里内3元，超过6公里后每公里1元。若某次行程为12公里，票价为27元。（正确/错误）10.在统计学中，正态分布属于连续型分布。（正确/错误）四、简答题（共5题，每题10分，共50分）1.简述数据清洗的主要步骤及其目的。2.假设某公司2025年第一季度销售额分别为：1月100万，2月120万，3月150万。请计算该季度的月均销售额、销售额增长率及销售额方差。3.简述SQL中`JOIN`语句的作用及其常见类型。4.假设某电商平台用户注册数据显示，85%的用户来自移动端，15%来自PC端。若某天总注册用户数为1000人，请计算移动端和PC端注册人数，并分析该数据的业务意义。5.简述数据可视化的基本原则及其在业务分析中的应用价值。答案及解析一、单选题1.B解析：数据插补是处理缺失值的主要技术，通过估算或填充缺失值来保证数据的完整性。2.C解析：直方图可以直观地展示数据的分布情况，尤其适用于右偏态数据。3.B解析：`AVG()`函数用于计算分组数据的平均值。4.B解析：起步价10元（含3公里），之后5公里（8-3公里）×2元=10元，超过8公里3公里×3元=9元，总费用=10+10+9=28元。5.A解析：`VLOOKUP`函数用于查找并返回某个区域中满足条件的第一个值。6.B解析：月均销售额=(100+120+150)/3=130万。7.A解析：`Pandas`是Python中用于数据分析和可视化的主流库。8.A解析：A城销售率=200/(100/100万)=2000（件/万人），B城销售率=300/(200/100万)=1500（件/万人），A城更高。9.C解析：标准差用于衡量数据的离散程度。10.B解析：众数是出现频率最高的值，50%>40%>10%，众数为30-40岁。11.D解析：决策树算法属于分类算法。12.A解析：移动端注册人数=1000×85%=850人。13.B解析：`COUNTIF`函数用于计算满足条件的单元格数量。14.B解析：2026年总销售额=1000×1.2=1200万，线上销售额=1200×60%=720万，目标为620万（因题目未明确线上占比变化）。15.C解析：`columns`属性可以查看DataFrame的列名。16.B解析：起步价10元（含6公里），超过6公里4公里×1元=4元，总票价=10+4=14元（题目规则有误，实际应为7元，但按题目选项选B）。17.C解析：正态分布属于连续型分布。18.B解析：众数是出现频率最高的值，50%>30%>20%，众数为6000元/月。19.C解析：饼图适合展示不同类别数据的占比。20.A解析：众数是出现频率最高的值，85%>15%，众数为1件。二、多选题1.A,B,C解析：删除异常值、平滑处理或转换为缺失值是常用方法，异常值计算新特征较少见。2.A,B,C,D解析：这些函数均可用于数据聚合。3.A,B,C解析：增长率、月均销售额、销售额方差可衡量趋势，中位数无法直接反映趋势。4.A,B,C,D解析：这些库均可用于数据分析和可视化。5.A,B,C,D解析：按规则计算均正确（但实际行程10公里费用应为28元，题目选项有误）。6.A,B,C解析：标准差衡量离散程度，不属于集中趋势指标。7.A,B,C解析：中位数可能为30-40岁，众数为30-40岁，均值可能在此区间，方差无法直接判断。8.A,B,D解析：聚类算法属于无监督学习，不属于分类算法。9.A,B,C解析：移动端占比更高，比例接近6:1。10.A,B,C,D解析：这些函数均可用于数据查找和引用。三、判断题1.正确解析：1月+2月+3月=100+120+150=370万。2.正确解析：`SELECT`语句是SQL的基本查询语句。3.错误解析：5公里费用=10+（5-3）×2=14元。4.正确解析：`pandas`库可以创建DataFrame对象。5.正确解析：众数为30-40岁。6.正确解析：决策树算法属于分类算法。7.正确解析：移动端注册人数=1000×85%=850人。8.正确解析：`COUNTIF`函数用于计算满足条件的单元格数量。9.错误解析：12公里费用=10+（12-6）×1=16元。10.正确解析：正态分布属于连续型分布。四、简答题1.数据清洗的主要步骤及其目的-缺失值处理：删除、填充（均值、中位数、众数、模型预测）等，保证数据完整性。-异常值处理：删除、平滑、转换，避免影响分析结果。-重复值处理：删除重复记录，保证数据唯一性。-数据格式统一：统一日期、数值格式等，便于分析。-数据转换：如归一化、离散化，提高模型效果。2.计算月均销售额、增长率及方差-月均销售额=(100+120+150)/3=130万。-增长率=[(150-100)/100]×100%=50%。-方差=[(100-130)²+(120-130)²+(150-130)²]/3=1000。3.SQL中`JOIN`语句的作用及其常见类型-作用：将多个表根据关联字段合并成一张表。-类型：-INNERJOIN：仅保留两个表都匹配的记录。-LEFTJOIN：保留左表所有记录，右表不匹配则为NULL。-RIGHTJOIN：保留右表所有记录，左表不匹配则为NULL。-FULLJOIN：保留两个表的所