2026年物流行业数据分析模拟题集SQL数据处理流程Python应用

2026年物流行业数据分析模拟题集SQL数据处理流程+Python应用一、SQL数据处理流程（共5题，每题10分，总分50分）1.题目（10分）：某物流公司数据库中有以下表结构：-orders（订单表）：`order_id`（订单ID，主键），`customer_id`（客户ID），`order_date`（订单日期），`total_amount`（订单金额）-customers（客户表）：`customer_id`（客户ID，主键），`customer_name`（客户名称），`region`（客户所在区域）-shipments（运输表）：`shipment_id`（运输ID，主键），`order_id`（订单ID，外键），`shipment_date`（运输日期），`status`（运输状态，如“已发货”“已签收”）要求：①查询2026年1月1日至2026年12月31日期间，每个区域的订单总金额排名前3的客户名称和总金额。②查询订单金额超过10000元的订单，统计每个运输状态的订单数量。③查询未签收的订单中，按订单金额降序排列的前10个订单的`order_id`和`total_amount`。答案与解析：①sqlSELECTc.customer_name,c.region,SUM(o.total_amount)AStotal_amountFROMordersoJOINcustomerscONo.customer_id=c.customer_idWHEREo.order_dateBETWEEN'2026-01-01'AND'2026-12-31'GROUPBYc.customer_name,c.regionORDERBYtotal_amountDESCLIMIT3;解析：先连接`orders`和`customers`表，按区域和客户分组统计总金额，排序后取前3名。②sqlSELECTs.status,COUNT()ASorder_countFROMordersoJOINshipmentssONo.order_id=s.order_idWHEREo.total_amount>10000GROUPBYs.status;解析：连接`orders`和`shipments`表，筛选金额超过10000的订单，按运输状态统计数量。③sqlSELECTo.order_id,o.total_amountFROMordersoJOINshipmentssONo.order_id=s.order_idWHEREs.status<>'已签收'ORDERBYo.total_amountDESCLIMIT10;解析：筛选未签收的订单，按金额降序取前10条。二、Python应用（共5题，每题10分，总分50分）2.题目（10分）：某物流公司2026年1月的运输数据存储在CSV文件`shipments_2026-01.csv`中，字段包括：`shipment_id`（运输ID），`order_id`（订单ID），`driver_id`（司机ID），`region`（区域），`shipment_date`（运输日期），`distance`（运输距离，单位：公里）。要求：①使用Python读取CSV文件，筛选出距离超过500公里的运输记录，按`region`分组统计记录数。②计算每个司机的平均运输距离，并筛选出平均距离超过800公里的司机ID。③绘制柱状图展示各区域的运输记录数，标题为“2026年1月各区域运输记录分布”。答案与解析：①pythonimportpandasaspddf=pd.read_csv('shipments_2026-01.csv')filtered=df[df['distance']>500]region_counts=filtered['region'].value_counts()print(region_counts)解析：读取CSV，筛选距离>500公里，用`value_counts()`统计区域记录数。②pythondriver_avg=df.groupby('driver_id')['distance'].mean()long_distance_drivers=driver_avg[driver_avg>800]print(long_distance_drivers)解析：按司机分组计算平均距离，筛选>800的司机。③pythonimportmatplotlib.pyplotaspltregion_counts.plot(kind='bar')plt.title('2026年1月各区域运输记录分布')plt.xlabel('区域')plt.ylabel('记录数')plt.show()解析：用`matplotlib`绘制柱状图，展示区域分布。三、综合分析（共3题，每题20分，总分60分）3.题目（20分）：某物流公司在2026年第一季度（1月-3月）的订单数据存储在Excel文件`orders_2026_Q1.xlsx`中，字段包括：`order_id`（订单ID），`customer_id`（客户ID），`order_date`（订单日期），`product_type`（产品类型，如“冷链”“普通快递”），`region`（区域），`status`（订单状态，如“已下单”“已发货”“已签收”）。要求：①使用SQL查询，统计每个产品类型的订单数量，并按数量降序排列。②使用Python读取Excel数据，计算每个区域的订单签收率（签收订单数/总订单数），并筛选出签收率低于60%的区域。③结合SQL和Python，生成一个包含以下信息的DataFrame：-区域-冷链订单占比（冷链订单数/总订单数）-普通快递订单占比-签收率答案与解析：①sqlSELECTproduct_type,COUNT()ASorder_countFROMordersWHEREorder_dateBETWEEN'2026-01-01'AND'2026-03-31'GROUPBYproduct_typeORDERBYorder_countDESC;解析：按产品类型分组统计订单数，降序排列。②pythonimportpandasaspddf=pd.read_excel('orders_2026_Q1.xlsx')region_status=df.groupby(['region','status']).size().unstack(fill_value=0)region_status['total']=region_status.sum(axis=1)region_status['sign_rate']=region_status['已签收']/region_status['total']100low_sign_rate=region_status[region_status['sign_rate']<60]print(low_sign_rate)解析：按区域和状态分组统计，计算签收率，筛选低签收率区域。③pythonSQL部分：product_region=pd.read_sql('''SELECTregion,product_type,COUNT()AScountFROMordersWHEREorder_dateBETWEEN'2026-01-01'AND'2026-03-31'GROUPBYregion,product_type''',connection)Python合并：total_region=pd.read_sql('''SELECTregion,COUNT()AStotalFROMordersWHEREorder_dateBETWEEN'2026-01-01'AND'2026-03-31'GROUPBYregion''',connection)merged=pd.merge(total_region,product_region,on='region',how='left')merged['cold_chain_rate']=merged['count_冷链']/merged['total']100merged['normal_rate']=merged['count_普通快递']/merged['total']100merged['sign_rate']=merged['count_已签收']/merged['total']100print(merged[['region','cold_chain_rate','normal_rate','sign_rate']])解析：先用SQL分别统计区域总订单数和产品类型订单数，再用Python合并计算占比和签收率。四、行业与地域针对性分析（共2题，每题30分，总分60分）4.题目（30分）：某跨境物流公司2026年上半年的数据存储在SQL数据库中，表结构如下：-orders（订单表）：`order_id`（订单ID），`customer_id`（客户ID），`order_date`（订单日期），`amount`（订单金额），`origin_country`（发货国），`destination_country`（目的国）-shipments（运输表）：`shipment_id`（运输ID），`order_id`（订单ID），`shipment_date`（运输日期），`transport_mode`（运输方式，如“空运”“海运”）要求：①使用SQL查询，统计2026年第一季度（1月-3月）中国（`origin_country`）发往美国的订单数量及总金额，按运输方式分组。②使用Python分析，计算每个目的国的订单签收率（假设签收状态为“已签收”），并筛选出签收率最低的3个国家。同时，绘制饼图展示这些国家的订单占比。③结合SQL和Python，生成一个包含以下信息的DataFrame：-目的国-空运订单占比（空运订单数/总订单数）-海运订单占比-签收率答案与解析：①sqlSELECTtransport_mode,COUNT()ASorder_count,SUM(amount)AStotal_amountFROMordersoJOINshipmentssONo.order_id=s.order_idWHEREo.origin_country='中国'ANDo.destination_country='美国'ANDo.order_dateBETWEEN'2026-01-01'AND'2026-03-31'GROUPBYtransport_mode;解析：连接订单和运输表，筛选中国发往美国的订单，按运输方式分组统计。②pythondf=pd.read_sql('''SELECTdestination_country,statusFROMordersoJOINshipmentssONo.order_id=s.order_idWHEREo.order_dateBETWEEN'2026-01-01'AND'2026-06-30'''',connection)sign_rate=df.groupby('destination_country')['status'].value_counts()sign_rate=sign_rate['已签收']/sign_rate.sum(level=0)100low_sign_rate=sign_rate.sort_values(ascending=True).head(3)print(low_sign_rate)绘制饼图：importmatplotlib.pyplotaspltlow_sign_rate.plot(kind='pie',autopct='%1.1f%%',title='签收率最低的3个国家订单占比')plt.show()解析：按目的国和状态分组统计，计算签收率，筛选最低的3个国家，用饼图展示。③pythonSQL部分：transport_country=pd.read_sql('''SELECTdestination_country,transport_mode,COUNT()AScountFROMordersoJOINshipmentssONo.order_id=s.order_idWHEREo.order_dateBETWEEN'2026-01-01'AND'2026-06-30'GROUPBYdestination_country,transport_mode''',connection)Python合并：total_country=pd.read_sql('''SELECTdestination_country,COUNT()AStotalFROMordersWHEREorder_dateBETWEEN'2026-01-01'AND'2026-06-30'GROUPBYdestination_country''',connection)merged=pd.merge(total_country,transport_country,on='destination_country',how='left')merged['air_rate']=merged['count_空运']/merged['total']100merged['sea_rate']=merged['count_海运']/merged['total']100merged['sign_rate']=merged['count_已签收']/merged['total']100print(merged[['destination_country','air_rate','sea_rate','sign_rate']])解析：用SQL分别统计目的国和运输方式订单数，Python合并计算占比和签收率。五、数据清洗与处理（共2题，每题20分，总分40分）5.题目（20分）：某物流公司在2026年5月的订单数据存储在CSV文件`orde