2025年秋招数据分析师笔试题库及答案

2025年秋招数据分析师笔试题库及答案一、SQL基础与进阶1.某新能源汽车APP用户行为表（user_behavior）包含字段：user_id（用户ID）、log_date（登录日期，格式'YYYY-MM-DD'）、action_type（行为类型，1-浏览车型，2-预约试驾，3-提交订单）。请写出SQL查询：计算2024年Q3（7-9月）每个用户的最长连续登录天数，并筛选出最长连续登录天数≥7天的用户ID。答案：```sqlWITHranked_datesAS(SELECTuser_id,log_date,-计算当前日期与前一次登录日期的差值，若为1则连续log_dateINTERVAL'1day'ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYlog_date)ASgroup_flagFROMuser_behaviorWHERElog_dateBETWEEN'2024-07-01'AND'2024-09-30'GROUPBYuser_id,log_date-去重同一用户同一天多次登录),continuous_groupsAS(SELECTuser_id,group_flag,COUNT()ASconsecutive_days-每个连续组的天数FROMranked_datesGROUPBYuser_id,group_flag)SELECTuser_idFROMcontinuous_groupsWHEREconsecutive_days>=7GROUPBYuser_idHAVINGMAX(consecutive_days)>=7;```解析：通过窗口函数ROW_NUMBER提供连续日期分组标识（group_flag），同一组内的日期差为连续天数，最终统计每组的连续天数并筛选符合条件的用户。2.订单表（orders）字段：order_id（订单ID）、user_id（用户ID）、order_time（下单时间，时间戳）、amount（订单金额）、city（城市）。请用SQL计算2024年8月各城市的“首单用户数”（即该月首次在该城市下单的用户数）。答案：```sqlWITHuser_first_orderAS(SELECTuser_id,city,MIN(order_time)ASfirst_order_timeFROMordersWHEREorder_time>='2024-08-01'ANDorder_time<'2024-09-01'GROUPBYuser_id,city)SELECTcity,COUNT(DISTINCTuser_id)ASfirst_order_usersFROMuser_first_orderWHEREfirst_order_time>='2024-08-01'ANDfirst_order_time<'2024-09-01'GROUPBYcity;```解析：先通过MIN(order_time)获取每个用户在各城市的首单时间，再筛选首单时间在8月的记录，按城市分组统计用户数。二、统计学与数据分析3.某电商平台对搜索推荐算法进行AB测试，实验组（新算法）日均UV为10万，转化率（下单用户数/UV）为3.2%；对照组（旧算法）日均UV为10.5万，转化率为2.9%。假设转化率服从二项分布，显著性水平α=0.05，是否可以认为新算法显著提升了转化率？（Z检验临界值：单侧1.645，双侧1.96）答案：步骤1：计算两组转化率差p1=0.032，n1=100000；p2=0.029，n2=105000Δp=p1p2=0.003步骤2：计算合并方差p=(n1p1+n2p2)/(n1+n2)=(1000000.032+1050000.029)/(205000)≈0.0304标准误SE=√[p(1-p)(1/n1+1/n2)]≈√[0.03040.9696(1/100000+1/105000)]≈0.00075步骤3：计算Z值Z=Δp/SE≈0.003/0.00075=4步骤4：结论Z=4>单侧临界值1.645，拒绝原假设，新算法显著提升转化率（p<0.05）。4.某APP用户日活跃数（DAU）的历史数据服从正态分布，均值μ=50万，标准差σ=8万。现抽取30天的DAU数据，样本均值为52万，能否认为当前DAU较历史有显著变化？（α=0.05）答案：原假设H0：μ=50万；备择假设H1：μ≠50万（双侧检验）标准误SE=σ/√n=8/√30≈1.4606万Z=(52-50)/1.4606≈1.37Z临界值为±1.96，1.37未超过临界值，不拒绝H0，无显著变化。三、Python数据处理与建模5.用Pandas处理以下数据：某用户行为数据集df包含列['user_id','event_time','event_type']（event_type为'click','add_cart','pay'），要求：（1）为每个用户计算“点击到加购的平均时间差”（仅保留有点击和加购行为的用户）；（2）绘制各行为类型的用户数量占比饼图。答案：```pythonimportpandasaspdimportmatplotlib.pyplotasplt（1）计算点击到加购的平均时间差筛选点击和加购行为，并转换时间格式df['event_time']=pd.to_datetime(df['event_time'])click_add=df[df['event_type'].isin(['click','add_cart'])]按用户和行为类型分组，获取最早时间user_events=click_add.groupby(['user_id','event_type'])['event_time'].min().unstack()过滤同时有点击和加购的用户user_events=user_events.dropna(subset=['click','add_cart'])计算时间差（秒）并求平均user_events['time_diff']=(user_events['add_cart']user_events['click']).dt.total_seconds()avg_time_diff=user_events['time_diff'].mean()print(f"点击到加购平均时间差：{avg_time_diff:.2f}秒")（2）绘制行为类型用户数量占比饼图event_user_count=df.groupby('event_type')['user_id'].nunique().reset_index()event_user_count.columns=['event_type','user_count']plt.pie(event_user_count['user_count'],labels=event_user_count['event_type'],autopct='%1.1f%%')plt.title('各行为类型用户数量占比')plt.show()```6.用Scikit-learn构建一个预测用户是否购买的逻辑回归模型，特征包括年龄（age）、月收入（income）、历史购买次数（purchase_count），标签为是否购买（is_purchase，0/1）。数据已划分为X_train,X_test,y_train,y_test。要求：（1）对数值型特征进行标准化；（2）训练模型并输出准确率、精确率、召回率；（3）解释模型中“月收入”特征的系数含义。答案：```pythonfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportaccuracy_score,precision_score,recall_score（1）标准化特征scaler=StandardScaler()X_train_scaled=scaler.fit_transform(X_train[['age','income','purchase_count']])X_test_scaled=scaler.transform(X_test[['age','income','purchase_count']])（2）训练模型并评估model=LogisticRegression()model.fit(X_train_scaled,y_train)y_pred=model.predict(X_test_scaled)print(f"准确率：{accuracy_score(y_test,y_pred):.4f}")print(f"精确率：{precision_score(y_test,y_pred):.4f}")print(f"召回率：{recall_score(y_test,y_pred):.4f}")（3）月收入系数解释coefficient=model.coef_[0][1]假设income是第二列特征print(f"月收入特征的系数为{coefficient:.4f}，表示月收入每增加1个标准差，用户购买的对数几率（logodds）增加{coefficient}。")```四、业务分析与逻辑思维7.某生鲜电商8月的用户留存率（次周留存）较7月下降5个百分点（从28%降至23%），作为数据分析师，你会如何分析原因？请列出至少5个分析维度及对应的具体指标。答案：分析维度及指标：（1）用户分群：按新老用户、渠道来源（如APP下载/小程序/广告投放）、首次购买品类（生鲜/日用品）分组，对比各组留存率变化，定位是否某类用户留存下滑（如广告新用户留存从35%降至20%）。（2）行为路径：分析用户首周关键行为（如浏览商品数、加购次数、支付订单数）的完成率，若“首周支付≥2单”的用户占比从40%降至30%，可能因物流延迟导致未完成复购。（3）产品体验：查看APP端的崩溃率、加载时长（如首页加载超时率从5%升至12%），或功能改动（如8月上线的“限时抢购”入口隐蔽，导致用户触达率下降）。（4）外部因素：对比同期天气（如8月高温导致生鲜损耗增加，用户收到次品率从3%升至8%）、竞品活动（如某平台8月推出“首单0元购”，分流用户）。（5）时间分布：按用户注册日期（如8月1-10日注册用户留存率25%，11-20日降至18%），结合该时间段的运营动作（如15日起取消新人优惠券），验证是否运营策略调整影响留存。8.估算2025年上海市共享单车的日均订单量，要求给出合理假设和计算逻辑。答案：假设与计算步骤：（1）确定目标人群：上海市常住人口约2487万，其中15-60岁骑行适龄人口占比约70%（约1741万），假设其中30%使用过共享单车（约522万）。（2）日均使用频率：高频用户（每周≥4次）占比30%，日均0.6次；中频用户（每周2-3次）占比50%，日均0.3次；低频用户（每周≤1次）占比20%，日均0.1次。综合日均频率=0.30.6+0.50.3+0.20.1=0.35次/用户。（3）排除重复订单：假设每单对应一次骑行，无同一用户短时间内多单（如通勤往返计2单）。（4）计算订单量：日均订单量=522万用户0.35次/用户≈182.7万单。（5）修正因素：考虑天气影响（如雨天订单下降30%，上海8月雨天占比约20%），修正后日均≈182.7(0.81+0.20.7)=173.6万单。五、综合题9.某视频平台用户观看表（watch_records）字段：user_id、video_id、start_time（开始观看时间）、end_time（结束观看时间）、device（设备，'手机','平板','PC'）。请设计一个分析方案，评估“手机端添加倍速播放功能”对用户观看行为的影响，要求包含核心指标、数据对比方法及结论推导逻辑。答案：分析方案：（1）核心指标：观看完成率（完播视频数/总观看视频数）平均观看时长（总观看时长/观看次数）日均观看视频数（总观看次数/用户数）倍速使用占比（使用倍速的观看次数/总观看次数）（2）数据对比方法：时间对比：取功能上线前4周（基线期）和后4周（观察期）的手机端用户数据，计算指标变化（如完播率从55%升至60%）。分组对比：采用AB实验，将手机端用户随机分为实验组（可使用倍速）和对照组（不可使用），确保两组用户画像（如年龄、观看偏好）无显著差异，对比指标差异（如实验组平均观看时长较对照组减少8%）。设备交叉对比：对比手机端与平板/PC端（未上线倍速功能）的指标变化，排除整体趋势影响（如平板端完播率同期下降2%，手机端上升5%，说明倍速功能可能是主因）。（3）结论推