(2025年)Python数据分析考试试题附答案

(2025年)Python数据分析考试试题附答案一、单项选择题（每题2分，共20分）1.以下关于Pandas中`DataFrame`的操作，正确的是（）A.使用`df.drop(columns='age')`会直接删除原DataFrame的'age'列B.`df.loc[df['score']>80,'grade']='A'`是通过标签索引修改符合条件的行的'grade'列值C.`pd.merge(df1,df2,on='id',how='outer')`会保留df1和df2中所有匹配'id'的行，非匹配行用NaN填充D.`df.groupby('category')['sales'].sum()`的结果是一个DataFrame答案：B解析：A选项中`drop`方法默认`inplace=False`，不会修改原DataFrame；C选项`outer`是全外连接，保留所有行；D选项结果是Series。2.执行以下代码后，输出结果为（）```pythonimportnumpyasnparr=np.array([[1,2,3],[4,5,6],[7,8,9]])print(arr[1:3,0:2].shape)```A.(2,2)B.(2,3)C.(3,2)D.(3,3)答案：A解析：行切片1:3取第2、3行（索引1和2），列切片0:2取前2列，结果为2行2列。3.某数据集中`price`列存在异常值（如负数、极大值），最合理的处理流程是（）A.直接删除所有异常值所在行B.用该列均值填充异常值C.先通过箱线图或Z-score识别异常值，再根据业务场景决定删除、修正或保留D.用相邻行的均值填充异常值答案：C解析：异常值处理需结合业务逻辑，不能盲目删除或填充。4.关于Seaborn的`sns.barplot()`，说法错误的是（）A.默认会计算分类变量的均值并绘制置信区间B.`x`和`y`参数分别指定横轴和纵轴的变量C.无法同时显示多个分类变量的对比（如按性别和地区分组）D.可以通过`hue`参数添加第三个分类维度答案：C解析：`hue`参数可用于多分类变量对比。5.读取CSV文件时，若文件中某列包含大量缺失值（用'N/A'表示），正确的读取方式是（）A.`pd.read_csv('data.csv',na_values=['N/A'])`B.`pd.read_csv('data.csv',keep_default_na=False)`C.`pd.read_csv('data.csv',na_filter=False)`D.`pd.read_csv('data.csv',skiprows=['N/A'])`答案：A解析：`na_values`参数指定将哪些字符串识别为缺失值。6.对如下Series执行`sr.rank(method='dense')`，结果为（）```pythonsr=pd.Series([5,3,3,7,5])```A.[3,1,1,5,3]B.[3,1,1,5,4]C.[2,1,1,4,2]D.[3,1,1,5,3]答案：D解析：`dense`方法对相同值赋予相同排名，不跳过后续排名（如两个3为1，两个5为3，7为5）。7.以下代码用于计算某列的年度同比增长率，空白处应填入（）```pythondf['yoy_growth']=df['sales'].pct_change(____)100```A.periods=12B.periods=4C.periods=1D.periods=0答案：A解析：年度同比需间隔12个月（假设数据为月度频率）。8.关于`pandasql`库的作用，正确的是（）A.用于将DataFrame转换为SQL数据库B.允许在Python中使用SQL语句操作DataFrameC.优化Pandas的查询性能D.提供SQL建表语句答案：B解析：`pandasql`通过`sqldf`函数支持在Python中执行SQL查询DataFrame。9.对时间序列数据进行滚动窗口计算时，若窗口大小为3，且要求窗口内必须有至少2个非缺失值，正确的参数设置是（）A.`df.rolling(window=3,min_periods=2)`B.`df.rolling(window=3,center=True)`C.`df.rolling(window=3,closed='right')`D.`df.rolling(window=3,win_type='triang')`答案：A解析：`min_periods`指定窗口内最小非缺失值数量。10.以下哪种场景最适合使用热图（Heatmap）可视化？（）A.展示某城市一年中每月的平均气温变化趋势B.比较不同产品在各季度的销售额占比C.分析用户行为中页面点击的相关性矩阵D.显示客户年龄与消费金额的散点分布答案：C解析：热图适合展示二维矩阵的数值强度，如相关性矩阵。二、填空题（每题3分，共15分）1.若`df`是一个包含1000行的DataFrame，执行`df.sample(n=100,random_state=42)`后，得到的样本行数是____。答案：1002.计算两个Series的协方差，应使用____方法（填函数名）。答案：`cov()`3.对`date`列（字符串格式如'2023-05-15'）进行时间类型转换，应使用`pd.to_datetime(df['date'],____)`（补充参数）。答案：`format='%Y-%m-%d'`（或不填参数，自动解析）4.在Seaborn中，绘制两个连续变量的回归拟合线，应使用____函数。答案：`sns.regplot()`5.若`arr`是一个3x3的NumPy数组，`arr.reshape(-1,1)`的结果形状是____。答案：(9,1)三、编程题（共45分）1.数据清洗与基础分析（15分）给定某电商平台2023年订单数据集`orders.csv`（字段：order_id,user_id,order_date,category,amount,pay_status），要求：（1）读取数据，将`order_date`列转换为日期时间类型；（2）筛选出`pay_status`为'已支付'且`amount`大于0的有效订单；（3）计算各品类（category）的订单数量和总金额，结果按总金额降序排列；（4）输出前5名品类的订单数量和总金额。答案：```pythonimportpandasaspd(1)读取数据并转换日期格式df=pd.read_csv('orders.csv')df['order_date']=pd.to_datetime(df['order_date'])(2)筛选有效订单valid_orders=df[(df['pay_status']=='已支付')&(df['amount']>0)](3)按品类分组统计category_stats=valid_orders.groupby('category').agg(order_count=('order_id','count'),total_amount=('amount','sum')).sort_values('total_amount',ascending=False)(4)输出前5名print(category_stats.head(5))```2.时间序列分析（15分）使用上一题的`valid_orders`数据，要求：（1）按周（每周第一天为周一）重采样，计算每周的订单数量和总金额；（2）绘制每周总金额的折线图，设置标题为“2023年周度销售额趋势”，x轴标签为“周次”，y轴标签为“总金额（万元）”；（3）计算相邻两周总金额的环比增长率（保留2位小数）。答案：```pythonimportmatplotlib.pyplotasplt(1)按周重采样（周一为周起始）weekly_data=valid_orders.set_index('order_date').resample('W-MON').agg(weekly_orders=('order_id','count'),weekly_amount=('amount','sum')).reset_index()(2)绘制折线图plt.figure(figsize=(12,6))plt.plot(weekly_data.index+1,weekly_data['weekly_amount']/10000,marker='o')plt.title('2023年周度销售额趋势')plt.xlabel('周次')plt.ylabel('总金额（万元）')plt.grid(True)plt.show()(3)计算环比增长率weekly_data['growth_rate']=weekly_data['weekly_amount'].pct_change()100weekly_data['growth_rate']=weekly_data['growth_rate'].round(2)print(weekly_data[['order_date','weekly_amount','growth_rate']])```3.用户分层分析（15分）基于`valid_orders`数据中的`user_id`和`amount`，要求：（1）计算每个用户的总消费金额（`total_payment`）和订单数量（`order_count`）；（2）使用K-means聚类将用户分为3层（高价值、中价值、低价值），特征为`total_payment`和`order_count`；（3）输出各层用户的数量及平均消费金额（保留2位小数）。答案：```pythonfromsklearn.clusterimportKMeansfromsklearn.preprocessingimportStandardScaler(1)用户消费统计user_stats=valid_orders.groupby('user_id').agg(total_payment=('amount','sum'),order_count=('order_id','count')).reset_index()(2)数据标准化与聚类features=user_stats[['total_payment','order_count']]scaler=StandardScaler()scaled_features=scaler.fit_transform(features)kmeans=KMeans(n_clusters=3,random_state=42)user_stats['cluster']=kmeans.fit_predict(scaled_features)(3)各层统计cluster_summary=user_stats.groupby('cluster').agg(user_count=('user_id','count'),avg_payment=('total_payment','mean')).sort_values('avg_payment',ascending=False).reset_index(drop=True)重命名分层（假设聚类结果按消费降序排列）cluster_summary.index=['高价值','中价值','低价值']cluster_summary['avg_payment']=cluster_summary['avg_payment'].round(2)print(cluster_summary)```四、综合分析题（20分）背景：某零售公司2023年销售数据包含以下字段：`store_id`（门店ID）、`date`（日期）、`product`（产品类型）、`sales`（销售额，万元）、`traffic`（客流量）、`promotion`（是否促销，0/1）。任务：1.提出3个有业务价值的分析问题（如“促销活动对销售额的影响”）；2.针对其中一个问题，设计分析步骤（包括数据处理、指标计算、可视化方法）；3.假设分析发现“促销期间门店客流量提升25%，但客单价（销售额/客流量）下降15%”，请给出可能的原因及运营建议。答案：1.业务问题示例：（1）不同产品类型的销售贡献及季节性差异；（2）客流量与销售额的相关性，哪些门店存在“高流量低转化”问题；（3）促销活动对不同产品类型的效果差异（如是否仅带动低价产品销量）。2.分析步骤（以问题3为例）：（1）数据预处理：转换`date`为日期类型，提取月份或季度；