2026中信证券IT数据岗笔试题及答案考点速记版

2026中信证券IT数据岗笔试题及答案考点速记版

一、单项选择题（总共10题，每题2分）1.以下数据结构中，查找操作平均时间复杂度为O(1)的是（）A.哈希表B.链表C.二叉树D.栈2.SQL中，获取两个表中满足连接条件的交集记录，应使用（）A.LEFTJOINB.INNERJOINC.RIGHTJOIND.FULLJOIN3.Python的pandas库中，合并两个DataFrame按指定列连接的函数是（）A.concatB.mergeC.appendD.join4.金融数据中的K线图不包含以下哪个信息（）A.开盘价B.收盘价C.成交量D.市盈率5.数据库事务的ACID特性中，“原子性”指（）A.事务前后数据一致B.事务不可分割C.事务对数据的修改持久D.多个事务并发不冲突6.数据仓库的星型schema中，中心是（）A.事实表B.维度表C.索引表D.汇总表7.数据清洗中，均值填充法适合处理以下哪种类型的缺失值（）A.分类数据B.数值型数据C.文本数据D.时间数据8.分布式数据库HBase的存储结构是（）A.行式存储B.列式存储C.键值对存储D.文档存储9.Python的numpy库中，数组ndarray的维度称为（）A.形状B.轴C.大小D.类型10.以下属于对称加密算法的是（）A.RSAB.AESC.MD5D.SHA-1二、填空题（总共10题，每题2分）1.数据仓库的核心过程是ETL，分别代表______、转换、加载。2.SQL中，对查询结果进行分组的关键字是______。3.pandas库中，读取CSV文件的函数是______。4.金融数据中，反映股票成交数量的指标是______（英文缩写）。5.数据库中，确保字段唯一且非空的约束是______。6.数据结构中的栈遵循______（后进先出/先进先出）原则。7.Hadoop的核心组件包括分布式文件系统______和分布式计算框架MapReduce。8.数据可视化中，______图适合展示数据随时间的变化趋势。9.Python中，用于处理JSON数据的标准模块是______。10.数据质量的维度中，缺失值问题属于______维度。三、判断题（总共10题，每题2分）1.哈希表的查找操作平均时间复杂度为O(1)。（）2.SQL中的DELETE语句属于DML操作，TRUNCATE语句属于DDL操作。（）3.pandas的Series是一维带标签的数组。（）4.金融数据中的“开盘价”是指当天最后一笔交易的价格。（）5.数据库事务的“一致性”是指事务执行前后数据的完整性约束不变。（）6.数据仓库是面向操作型业务的数据库系统。（）7.Python的numpy数组比内置列表的数值运算效率更高。（）8.数据清洗中的“去重”操作是为了处理重复的记录。（）9.CAP理论中的C代表一致性，A代表可用性，P代表分区容错性。（）10.数据脱敏是指去除数据中的敏感信息，保护隐私。（）四、简答题（总共4题，每题5分）1.简述SQL中WHERE子句和HAVING子句的区别。2.简述pandas中DataFrame的merge函数和concat函数的主要区别。3.简述金融数据中移动平均线（MA）的作用。4.简述数据仓库与数据库的核心区别。五、讨论题（总共4题，每题5分）1.讨论数据清洗在金融数据分析中的重要性。2.讨论分布式数据库在证券IT系统中的应用场景及优势。3.讨论Python在金融数据处理中的优势。4.讨论数据安全在证券IT数据岗中的重要性及保障措施。答案一、单项选择题1.A2.B3.B4.D5.B6.A7.B8.B9.B10.B二、填空题1.提取2.GROUPBY3.read_csv4.VOL5.主键6.后进先出7.HDFS8.折线9.json10.完整性三、判断题1.对2.对3.对4.错5.对6.错7.对8.对9.对10.对四、简答题1.WHERE子句用于过滤行数据，在GROUPBY之前执行，不能使用聚合函数；HAVING子句用于过滤分组后的结果，在GROUPBY之后执行，可以使用聚合函数。例如，查询销售额大于1000的部门，WHERE用于过滤单条销售记录，HAVING用于过滤部门的总销售额。2.merge函数按指定列合并DataFrame（类似SQL的JOIN操作），需指定连接键；concat函数按轴（行或列）合并DataFrame，不需要连接键，只需指定轴方向。例如，merge用于合并“订单表”和“客户表”（按客户ID），concat用于合并“2023年订单”和“2024年订单”（按行轴）。3.移动平均线（MA）通过计算一段时间内的价格平均值，平滑短期价格波动，突出中长期趋势。例如，5日均线反映短期趋势，60日均线反映长期趋势；当短期均线向上穿越长期均线（金叉），视为买入信号；反之（死叉）视为卖出信号。4.数据仓库面向分析（支持决策），数据库面向操作（支持业务流程）；数据仓库存储历史、汇总数据，数据库存储当前、细节数据；数据仓库更新频率低（批量加载），数据库更新频率高（实时操作）；数据仓库采用星型/雪花型schema，数据库采用关系型schema。五、讨论题1.金融数据常包含噪声（如异常交易、错误记录）、缺失值（如停牌日数据）、重复值（如重复申报），数据清洗能去除这些问题，保证分析准确性。例如，若未清洗缺失值，计算MA时会出现错误；未去重会导致成交量统计翻倍，影响趋势判断。清洗后的干净数据是金融分析（如量化投资、风险评估）的基础，直接关系到投资决策的正确性，避免因数据问题导致的损失。2.证券IT系统中，分布式数据库可用于存储海量交易记录、行情数据、客户信息等。应用场景包括：（1）行情数据处理：实时接收并存储百万级/秒的行情数据，分布式存储保证高吞吐量；（2）交易记录存储：历史交易数据量巨大，分布式数据库支持水平扩展，满足存储需求；（3）客户信息管理：支持高并发查询（如客户持仓查询），保证可用性。优势包括：高扩展性（应对数据增长）、高可用性（避免单点故障）、高吞吐量（处理海量数据）。3.Python在金融数据处理中的优势：（1）库丰富：pandas（数据处理）、numpy（数值计算）、matplotlib（可视化）、scikit-learn（机器学习）等，覆盖全流程；（2）易读易写：语法简洁，适合快速原型开发，缩短分析周期；（3）社区支持：大量金融相关工具包（如backtrader量化回测），降低开发成本；（4）跨平台：可运行于Windows、Linux，适配证券IT系统的不同环境。例如，用pandas快速读取CSV格式的行情数据，用numpy计算收益率，用matplotlib绘制K线图，高效完成分析。4.证券IT数据岗涉及客户信息（身份证、银行卡号）、交易数据（持仓、成交记录）等敏感信息，数据安全直接关系到客户隐私、公司声誉及合规要求（如《个人信息保护法》）。保障措施包括：（