2025年大数据分析师技能测试卷：大数据分析与数据挖掘技术深度解析试题

2025年大数据分析师技能测试卷：大数据分

析与数据挖掘技术深度解析试题

考试时间：分钟总分：分姓名：______

一、Python基础

要求：考察学生对于Python编程语言的基本掌握程度，包括变量、数据类型、

运算符、控制流以及常用函数的使用。

1.定义一个变量名为并给它赋值为10。

2.将变量'x'的值加1,并将结果赋值给变量'y'。

3.判断变量'x'的值是否大于10,如果是，则输出“x大于10”，否则输出

“x不大于10”。

4.输出字符串“Hello,World!”。

5.输出变量'x'的值。

6.定义一个列表'1st',包含元素[1,2,3,4,5]o

7.输出列表'1st'的第一个元素。

8.输出列表'1st'的最后一个元素。

9.删除列表'1st'中佗第二个元素。

10.输出修改后的列表'1st'。

二、Pandas数据操作

要求：考察学生对于Pandas库的基本使用，包括数据框(DataFrame)的创建、

数据选择、数据清洗以及常用函数的使用。

1.创建一个包含三列的DataFrame,列名分别为name'、age'和'gender',

并填充相应的数据。

2.选择DcitaErcinie中年龄人于30的行。

3.计算DataFrame中每个人的年龄与当前年份2019的差值。

4.将DalaFrame中性别为“male”的行的性别列值修改为“Male”。

5.删除DataFrame中的重复行。

6.计算DataFrame中每个年龄段的平均年龄，年龄段划分为［0,20）、［20,

40）、［40,60）、［60,80）和［80,+«＞）（＞

7.将DataFrame中的年龄列转换为类别类型。

8.将DataFrame中的性别列转换为类别类型。

9.创建一个新列'age_category',根据年龄列的值将年龄分为不同的年龄段。

10.将DataFrame中的年龄列和性别列合并为一列，列名为'age_gondcr'。

四、SQL基础查询

要求：考察学生对于SQL语言的基本查询操作,包括SELECT、FROM、WHERE、

GROUPBY和HAVING等语句的使用。

1.从名为,employees'的表中选择所有列。

2.从'employees'表中选择'name'和'age'列。

3.选择'employees'表中年龄大于30的所有员工。

4.选择,employees'表中年龄大于30且性别为"male”的所有员工。

5.选择'employees'表中年龄大于30的员工数量。

6.选择employees'表中年龄大于30的员工的平均年龄。

7.选择'employees'表中年龄在30到40岁之间的员工。

8.选择'employees'表中年龄在30到40岁之间的员工，并按年龄降序排列。

9.选择'employees'表中年龄大于30的员工，并按年龄分组,计算每个年龄

组的员工数量。

10.选择'employees'表中年龄大于30的员工，并按年龄分组，计算每个年龄

组的平均年龄，只显示年龄大于35岁的年龄组的平均年龄。

五、数据可视化

要求：考察学生对于数据可视化的基本技能，包括使用Matplotlib库创建图

表，以及理解不同图表的适用场景。

1.使用Matplotlib库创建一个柱状图,展示employees'表中不同年龄段的

员工数量。

2.使用Matplotlib库创建一个折线图，展示'sales'表中不同月份的销售额。

3.使用Matplotlib库创建一个散点图，展示'customers,表中客户的年龄和

消费金额。

4.使用Matplotlib库创建一个饼图,展示'products'表中不同产品的销售占

比。

5.使用Matplotlib库创建一个条形图，展示'orders'表中不同订单的订单金

额。

6.使用Matplotlib库创建一个直方图，展示reviews'表中产品评分的分布

情况。

7.使用Matplotlib库调整杵状图的颜色为蓝色.

8.使用Matplotlib库调整折线图的线条样式为虚线。

9.使用Matplotlib库调整散点图的点大小为10o

10.使用Matplotlib库调整饼图的标签字体大小为12。

六、数据清洗

要求：考察学生对于数据清洗的基本操作，包括处理缺失值、异常值以及重复

数据。

1.在,sales.表中，处理所有俏售额为NULL的记录。

2.在'employees'表中，删除所有年龄小于18或大于65的员工记录。

3.在'customers'表中，删除所有消费金额为0的客户记录。

4.在,orders,表中,删除所有订单金额小于100的订单记录。

5.在'reviews'表中，删除所有评分为NULL的评论无录。

6.在'products'表中，删除所有产品描述为空白的汜录。

7.在,sales'表中，填充所有销售额为NULL的记录的平均销包:额。

8.在,employees'表中，将所有年龄为NULL的员工年龄设置为平均值。

9.在'customers'表中，将所有消费金额为0的客户消费金额设置为平均消费

金额。

10.在'orders'表中，删除所有重复的订单记录。

本次试卷答案如下：

一、Python基础

1.x=10'

2.'y=x+T

3.ifx>10:print("x大于10")else:print("x不大于10")

4.print("Hello,World!")'

5.print(x)

6.1st=[1,2,3,4,5]'

7.print(1st[0])'

8.print(lst[-l])

9.dellst[l]'

10.print(1st)

解析思路：

1.定义变量并赋值。

2.变量值的更新。

3.使用if-else语句进行条件判断。

4.输出字符串。

5.输出变量值。

6.列表的创建。

7.访问列表的第一个元素。

8.访问列表的最后一个元素。

9.删除列表中的第二个元素。

10.输出修改后的列表。

二、Pandas数据操作

1.df=pd.DataFranie({*name*:[,Alice*,'Bob',*Charlie>],*age*:

L25,30,35J,'gender':['female','male','male')})

2.df_age_over_30=df[dffage*]>30]

3.df['agediff']=2019-dfage*]'

4.df.loc[dffgender1]=='male','gender>]='Male'

5.df.dropduplicates()

6.agegroups=pd.cut(dffage*],bins=[0,20,40,60,80,

float('inf')],labels:「0-20','20-40','40-60','60-80','80+'],

right=False)

7.dfage-Category1]=age_groups'

8.dfage_gender，]=df.apply(lambdarow:f*{rowfage*]}-

{row['gender']}”,axis=l)'

9.dfage_gender，]=dffage_genderJ].str.split(1-

').apply(lambdax:x[0]+'-+x[l].capitalize[))

10.'df[*age_gender,]=df「age_gender'].str.split('-

J).apply(lambdax:'->.join(x))'

解析思路：

1.创建包含姓名、年龄和性别的DataFrame。

2.选择年龄大于30的行。

3.计算年龄与当前年份的差值。

4.修改性别列为人写c

5.删除重复的行。

6.根据年龄划分年龄段。

7.创建新的列，包含年龄和性别信息。

8.格式化性别列为首字母大写。

9.重新格式化性别列为正确的分隔符。

四、SQL基础查询

1.SELECT*FROMemployees;'

2.SELECTname,ageFROMemployees;

3.'SELECT*FROMemployeesWHEREage>30;'

4.SELECT*FROMenployeesWHEREage>30ANDgender='male';

5.'SELECTCOUNT(*)FROMemployeesWHEREage>30;'

6.'SELECTAVG(age)FROMemployeesWHEREage>30;'

7.'SELECT*FROMenployeesWHEREageBETWEEN30AND40;'

8.'SELECT*FROMemployeesWHEREage>30ORDERBYageDESC;'

9.'SELECTage,COUNT(*)AScountFROMemployeesWHEREage>30

GROUPBYage;'

10.'SELECTage,AVG(age)ASavg_ageFROMemployeesWHEREage>30

GROUPBYageHAVINGAVG(age)>35;'

解析思路：

1.选择'employees'表的所有列。

2.选择'employees'表的'nam。'和'age'列。

3.选择年龄大于30的员工。

4.选择年龄大于30且性别为“male”的员工。

5.计算年龄人于30的员工数量。

6.计算年龄大于30的员工的平均年龄。

7.选择年龄在30到43岁之间的员工。

8.选择年龄在30到43岁之间的员工，并按年龄降序排列。

9.选择年龄大于30的员工，并按年龄分组，计算每个年龄组的员工数量。

10.选择年龄大于30的员工，并按年龄分组，计算每个年龄组的平均年龄,

只显示年龄大于35岁的年龄组的平均年龄。

五、数据可视化

1.importmatplotlib.pyplotaspit

pit.bar(agegroups,dfage*].valuecounts())

pit.xlabel('AgeGroups')

pit.ylabelCNumberofEmployees,)

pit.titleCEmployeesbyAgeGroup5)

pit.show()'

2.importmcitplotlib.pyplotaspit

pit.plot(months,sales)

pit.xlabelCMonth*)

pit.ylabel('Sales*)

pit.title(*MonthlySales*)

pit.show()

3.importmatplotlib.pyplotaspit

pit.scatter(customers[5age*],customersspend*])

pit.xlabel('Age*)

pit.ylabel(5Spend,)

pit.titleCCustomerAgevsSpend*)

pit.show()

4.'importmatplotlib.pyplotaspit

pit.pie(products['sales'],labels二products['product'],

autopct=，%1.If%%1)

pit.title(，ProductSalesDistribution')

pit.show()

5.importmatplotlib.pyplotaspit

pit.barh(order_ids,orderamounts)

pit.xkibel(?OrderAmount')

pit.title(,OrderAmountbyOrderID')

pit.show()

6.'importmatplotlib.pyplotaspit

pit.hist(reviewsfrating*],bins=range(0,11);

pit.xlabel(,Rating))

pit.title(tRatingDistribution')

pit.show()

7.'plt.bar(age_groups,df[*age*].value_counts(),color=*blue,)'

8.pit.plot(months,sales,linestyle='一')

9.pit.scatter(customersage*],customersspend*],s=10)

10.pit.pic(productsfsales*],labels=products[，product,],

autopct=，%1.If%%*,startangle=90,pctdistance=0.85,labeldistance=l.1,

colors=[，red，,'green',‘blue','yellow',,purple*,'orange','cyan',

tmagenta),*lime,,'pink'])’

解析思路:

1.使用柱状图展示不同年龄段的员工数量。

2.使用折线图展示不同月份的销售额。

3.使用散点图展示客户的年龄和消费金额。

4.使用饼图展示不同产品的销售占比。

5.使用条形图展示不同订单的订单金额。

6.使用直方图展示产品评分的分布情况。

7.调整柱状图的颜色为蓝色。

8.调整折线图的线条样式为虚线。

9.调整散点图的点大小为10。

10.调整饼图的标签字体大小、起始角度、百分比距离和标签距离。

六、数据清洗

1.df_sales.dropna(subset=[*sales,],inplace=True)

2.dfemployees=dfemployees[(dfemployees/age*]>=18)&

(dfemployeesfage,]<=65)]'

3.df_custom