2025年数据分析师的Python知识试题及答案

2025年数据分析师的Python知识试题及答案一、单项选择题（每题3分，共30分）1.执行以下Python代码后，输出结果是（）```pythonx=10deffunc():x=20definner():nonlocalxx+=5inner()print(x)func()```A.10B.20C.25D.152.关于提供器表达式与列表推导式的区别，以下描述错误的是（）A.提供器表达式使用圆括号，列表推导式使用方括号B.提供器表达式是惰性计算，列表推导式立即提供所有元素C.提供器表达式内存占用更小，适合处理大数据量D.提供器表达式可以通过`list()`转换为列表，列表推导式不能转换为提供器3.现有PandasDataFrame`df`，其中列`A`包含缺失值。若需删除`A`列中缺失值占比超过50%的行，正确的操作是（）A.`df=df.dropna(subset=['A'],thresh=0.5len(df))`B.`df=df[df['A'].isna().sum()/len(df)<0.5]`C.`df=df.dropna(axis=0,subset=['A'],how='any')`D.`df=df[df['A'].notna().sum()/len(df)>0.5]`4.以下NumPy数组操作中，会报错的是（）A.`np.array([[1,2],[3,4]]).reshape(4,)`B.`np.array([1,2,3]).reshape(3,1)`C.`np.array([1,2,3,4]).reshape(2,3)`D.`np.array([[[1],[2]],[[3],[4]]]).reshape(4,)`5.对两个DataFrame`df1`（列：id,name）和`df2`（列：id,score）执行`pd.merge(df1,df2,on='id',how='left')`后，结果中`score`列的缺失值表示（）A.`df2`中无对应`id`的记录B.`df1`中无对应`id`的记录C.`df1`和`df2`均无对应`id`的记录D.合并时发生了数据错误6.执行以下代码后，`result`的输出是（）```pythonimportpandasaspddata={'A':[1,2,None,4],'B':[5,None,7,8]}df=pd.DataFrame(data)result=df.dropna(thresh=2).shape[0]```A.1B.2C.3D.47.以下Matplotlib代码中，用于设置子图共享x轴的参数是（）A.`sharex=True`B.`xshare='all'`C.`shared_x='yes'`D.`share_xaxis=True`8.正则表达式`r'(\d{3})-(\d{4})'`匹配字符串`"电话：123-4567"`时，`re.match`返回的分组数量是（）A.0B.1C.2D.39.以下异常处理代码中，`finally`块的执行时机是（）```pythontry:f=open('test.txt','r')print(f.read())exceptFileNotFoundError:print("文件不存在")finally:f.close()```A.仅当无异常时执行B.仅当发生异常时执行C.无论是否发生异常都执行D.仅当`try`块完全执行后执行10.使用`sklearn.model_selection.train_test_split`划分数据集时，若设置`random_state=42`，其主要作用是（）A.确保每次划分的随机结果一致B.提高模型训练速度C.增加测试集的代表性D.减少训练集的过拟合风险二、填空题（每题4分，共20分）1.Pandas中，用于将DataFrame的行索引转换为列的方法是______。2.NumPy中，计算数组`arr=np.array([[1,2],[3,4]])`对角线元素之和的函数是______。3.在Seaborn中，用于绘制两个连续变量的散点图并添加回归趋势线的函数是______。4.Python中，使用`withopen('data.txt','w')asf`语句打开文件的优势是______。5.若需对DataFrame的`age`列进行Z-score标准化，公式为______（用Python表达式表示）。三、编程题（每题8分，共40分）1.读取本地CSV文件`ecommerce_sales.csv`，要求：-指定`order_date`列解析为日期类型；-将`customer_id`列的数据类型转换为字符串；-输出前3行数据。2.对DataFrame`df`（包含列`price`）进行以下处理：-计算`price`列的缺失值占比，若超过10%则用该列中位数填充，否则删除缺失值；-输出处理后的`price`列描述性统计（均值、标准差、分位数）。3.按`category`列对DataFrame`df`分组，计算每组的：-销售额（`sales`列）总和；-销量（`quantity`列）的均值（保留2位小数）；-客户数（`customer_id`列去重后的数量）；-结果命名为`total_sales`、`avg_quantity`、`unique_customers`。4.使用Matplotlib绘制2023年各月销售额趋势图：-x轴为月份（格式：2023-01），y轴为销售额；-折线颜色为蓝色，标记为圆形；-添加标题“2023年月度销售额趋势”，x轴标签“月份”，y轴标签“销售额（万元）”；-显示网格线。5.对`user_behavior`数据集（包含列`user_id`,`event_time`,`event_type`）进行以下操作：-提取`event_time`的小时（如14:30:00提取为14），新增`hour`列；-统计每个小时内`event_type='purchase'`的事件数量；-输出事件数量最多的前3个小时。四、综合应用题（每题15分，共30分）1.某电商数据集`user_transaction.csv`包含以下字段：`user_id`（用户ID）、`order_id`（订单ID）、`order_time`（下单时间）、`amount`（订单金额）、`platform`（下单平台：APP/PC）。要求完成以下分析：a.计算每个用户的首单时间（最早`order_time`）和末单时间（最晚`order_time`）；b.统计不同平台的订单金额总和及订单数量；c.绘制平台订单金额占比的饼图，要求显示百分比（保留1位小数），标题为“各平台订单金额占比”。2.使用`sklearn`的线性回归模型预测用户复购率（目标变量`repurchase_rate`），特征变量为`avg_order_amount`（平均订单金额）、`order_frequency`（下单频率）、`customer_age`（用户年龄）。要求：a.将数据集按8:2划分为训练集和测试集（随机状态设为2025）；b.训练线性回归模型并输出各特征的系数；c.计算测试集的均方误差（MSE）和决定系数（R²）；d.分析哪个特征对复购率的影响最大（基于系数绝对值）。答案一、单项选择题1.C2.D3.A4.C5.A6.B7.A8.C9.C10.A二、填空题1.`reset_index()`2.`np.trace(arr)`3.`sns.regplot()`4.自动关闭文件，避免资源泄露5.`(df['age']-df['age'].mean())/df['age'].std()`三、编程题1.参考代码：```pythonimportpandasaspddf=pd.read_csv('ecommerce_sales.csv',parse_dates=['order_date'],dtype={'customer_id':'str'})print(df.head(3))```2.参考代码：```pythonmissing_rate=df['price'].isna().mean()ifmissing_rate>0.1:df['price']=df['price'].fillna(df['price'].median())else:df=df.dropna(subset=['price'])print(df['price'].describe())```3.参考代码：```pythonresult=df.groupby('category').agg(total_sales=('sales','sum'),avg_quantity=('quantity',lambdax:round(x.mean(),2)),unique_customers=('customer_id','nunique')).reset_index()```4.参考代码：```pythonimportmatplotlib.pyplotaspltdf['month']=df['order_date'].dt.strftime('%Y-%m')monthly_sales=df.groupby('month')['sales'].sum().reset_index()plt.figure(figsize=(10,6))plt.plot(monthly_sales['month'],monthly_sales['sales'],color='blue',marker='o')plt.title('2023年月度销售额趋势')plt.xlabel('月份')plt.ylabel('销售额（万元）')plt.grid(True)plt.show()```5.参考代码：```pythondf['hour']=pd.to_datetime(df['event_time']).dt.hourpurchase_hour=df[df['event_type']=='purchase'].groupby('hour').size().reset_index(name='count')top3_hours=purchase_hour.sort_values('count',ascending=False).head(3)print(top3_hours)```四、综合应用题1.参考代码及结果：a.首单和末单时间计算：```pythonuser_orders=df.groupby('user_id')['order_time'].agg(first_order=('min'),last_order=('max')).reset_index()```b.平台订单统计：```pythonplatform_stats=df.groupby('platform').agg(total_amount=('amount','sum'),order_count=('order_id','nunique')).reset_index()```c.饼图绘制：```pythonplt.figure(figsize=(8,8))plt.pie(platform_stats['total_amount'],labels=platform_stats['platform'],autopct='%.1f%%',startangle=90)plt.title('各平台订单金额占比')plt.show()```2.参考代码及分析：a.数据集划分：```pythonfromsklearn.model_selectionimporttrain_test_splitX=df[['avg_order_amount','order_frequency','customer_age']]y=df['repurchase_rate']X_train,X_test,y_train,y_tes