2026年CDA一级考试试题及答案解析

2026年CDA一级考试试题及答案解析考试时长：120分钟满分：100分一、判断题（总共10题，每题2分，总分20分）1.CDA（CertifiedDataAnalyst）一级认证主要考察数据分析工具的使用能力，不涉及统计学基础知识的考核。2.在数据清洗过程中，重复值的处理通常采用删除重复记录的方法，无需考虑业务逻辑的影响。3.数据分析报告中的图表类型选择应与数据类型和业务目标完全匹配，不能灵活调整。4.SQL查询中，使用GROUPBY子句时，非聚合列必须出现在SELECT语句的SELECT列表中。5.接口测试的主要目的是验证数据传输的完整性，不涉及业务逻辑的正确性。6.数据仓库中的维度表通常包含时间维度，且时间粒度固定为天级别。7.机器学习中的过拟合现象是指模型在训练数据上表现良好，但在测试数据上表现较差。8.Excel中的数据透视表可以动态调整字段顺序，但无法修改计算公式。9.数据可视化中的散点图适用于展示两个连续变量之间的关系，不适用于分类数据。10.数据分析中的假设检验通常采用p值判断显著性水平，p值越小，拒绝原假设的可能性越大。二、单选题（总共10题，每题2分，总分20分）1.以下哪种方法不属于数据预处理中的缺失值处理技术？A.删除含有缺失值的记录B.使用均值/中位数/众数填充C.使用模型预测缺失值D.将缺失值标记为特殊类别值2.在SQL查询中，以下哪个关键字用于对结果集进行排序？A.WHEREB.GROUPBYC.ORDERBYD.HAVING3.以下哪种图表类型最适合展示不同类别数据的占比关系？A.散点图B.折线图C.饼图D.柱状图4.在数据仓库设计中，以下哪个概念描述的是事实表中的度量值？A.维度B.度量C.关键字D.外键5.以下哪种测试方法属于黑盒测试？A.单元测试B.集成测试C.系统测试D.代码审查6.在Excel中，以下哪个函数用于计算两组数据的协方差？A.CORRELB.COVAR.SC.STDEV.PD.VAR.A7.以下哪种算法属于监督学习算法？A.K-means聚类B.决策树分类C.主成分分析D.系统聚类8.在数据可视化中，以下哪种方法不属于数据降维技术？A.PCA（主成分分析）B.t-SNEC.LDA（线性判别分析）D.K-means聚类9.以下哪种数据存储格式适合大规模数据分析？A.CSVB.JSONC.ParquetD.XML10.在假设检验中，以下哪种情况会导致第一类错误？A.原假设为真，但拒绝原假设B.原假设为假，但拒绝原假设C.原假设为假，但未拒绝原假设D.原假设为真，但未拒绝原假设三、多选题（总共10题，每题2分，总分20分）1.以下哪些属于数据清洗的常见任务？A.处理重复值B.处理缺失值C.数据格式转换D.数据去重E.数据加密2.在SQL查询中，以下哪些子句可以用于数据过滤？A.WHEREB.GROUPBYC.HAVINGD.ORDERBYE.SELECT3.以下哪些图表类型适用于展示时间序列数据？A.折线图B.散点图C.面积图D.饼图E.箱线图4.数据仓库的典型架构包括哪些层次？A.源数据层B.数据仓库层C.数据集市层D.应用层E.数据湖层5.以下哪些测试方法属于白盒测试？A.单元测试B.集成测试C.系统测试D.代码审查E.性能测试6.在Excel中，以下哪些函数属于统计函数？A.AVERAGEB.STDEVC.CORRELD.MAXE.VLOOKUP7.机器学习模型的评估指标包括哪些？A.准确率B.精确率C.召回率D.F1分数E.R²值8.数据可视化的基本原则包括哪些？A.清晰性B.准确性C.有效性D.美观性E.复杂性9.以下哪些数据存储格式支持列式存储？A.CSVB.ParquetC.ORCD.JSONE.Avro10.假设检验的步骤包括哪些？A.提出原假设和备择假设B.选择显著性水平C.计算检验统计量D.做出统计决策E.解释结果四、简答题（总共4题，每题4分，总分16分）1.简述数据清洗的主要步骤及其目的。2.解释SQL中JOIN操作的不同类型及其适用场景。3.描述数据仓库中星型模型和雪花模型的主要区别。4.简述机器学习中过拟合和欠拟合的概念及其解决方法。五、应用题（总共4题，每题6分，总分24分）1.假设你正在处理一份包含用户注册信息的CSV文件，其中包含用户ID、注册时间、注册渠道、性别等字段。请设计一个数据清洗流程，并说明每一步的目的。2.写一个SQL查询语句，从以下表中查询出每个注册渠道的用户数量，并按用户数量降序排列。```sqlCREATETABLEusers(user_idINT,registration_dateDATE,channelVARCHAR(50),genderCHAR(1));```3.假设你正在使用Excel分析一份销售数据，数据包含产品ID、销售日期、销售金额、销售地区等字段。请设计一个数据透视表，展示每个地区的总销售额，并说明如何使用数据透视表进行动态调整。4.假设你正在使用Python进行机器学习建模，发现模型在训练数据上表现良好，但在测试数据上表现较差。请分析可能的原因，并提出至少两种解决方法。【标准答案及解析】一、判断题1.×（CDA一级认证考察统计学基础、数据分析工具、业务理解等综合能力。）2.×（处理重复值需考虑业务逻辑，如去重前需确认是否为重复业务记录。）3.×（图表选择需灵活匹配业务目标，如用柱状图展示趋势时也可用折线图。）4.√（GROUPBY子句要求非聚合列出现在SELECT列表中。）5.×（接口测试验证数据传输和业务逻辑的正确性。）6.×（维度表时间粒度可自定义，如分钟、小时等。）7.√（过拟合指模型对训练数据拟合过度，泛化能力差。）8.×（数据透视表可动态调整字段顺序和计算公式。）9.√（散点图适用于连续变量，不适用于分类数据。）10.√（p值越小，拒绝原假设的可能性越大。）二、单选题1.E（数据加密不属于数据预处理。）2.C（ORDERBY用于排序。）3.C（饼图最适合展示占比。）4.B（度量是事实表中的度量值。）5.C（系统测试属于黑盒测试。）6.B（COVAR.S计算协方差。）7.B（决策树分类属于监督学习。）8.D（K-means聚类属于聚类算法，不属于降维。）9.C（Parquet适合大规模数据分析。）10.A（第一类错误指原假设为真但拒绝。）三、多选题1.A,B,C,D（数据清洗包括处理重复值、缺失值、格式转换、去重。）2.A,C,E（WHERE、HAVING、SELECT可过滤数据。）3.A,B,C（折线图、散点图、面积图适合时间序列。）4.A,B,C,D（数据仓库架构包括源数据层、数据仓库层、数据集市层、应用层。）5.A,D（单元测试、代码审查属于白盒测试。）6.A,B,C（AVERAGE、STDEV、CORREL属于统计函数。）7.A,B,C,D（准确率、精确率、召回率、F1分数是评估指标。）8.A,B,C,D（数据可视化需清晰、准确、有效、美观。）9.B,C（Parquet、ORC支持列式存储。）10.A,B,C,D,E（假设检验步骤包括提出假设、选择显著性水平、计算统计量、决策、解释结果。）四、简答题1.数据清洗步骤及目的：-缺失值处理：填充或删除缺失值，确保数据完整性（目的：提高数据质量。）-重复值处理：删除或合并重复记录，避免数据冗余（目的：保证数据唯一性。）-数据格式转换：统一数据格式，如日期格式、数值格式（目的：便于后续分析。）-异常值处理：识别并处理异常值，如使用3σ法则（目的：避免误导分析结果。）2.SQLJOIN类型及适用场景：-INNERJOIN：返回两个表中匹配的记录（适用：需要两个表共同数据的场景。）-LEFTJOIN：返回左表所有记录及右表匹配记录（适用：保留左表所有数据。）-RIGHTJOIN：返回右表所有记录及左表匹配记录（适用：保留右表所有数据。）-FULLJOIN：返回两个表的所有记录（适用：需要两个表全部数据的场景。）3.星型模型与雪花模型区别：-星型模型：事实表与维度表直接关联，维度表独立（优点：查询效率高，结构简单。）-雪花模型：维度表进一步规范化，形成层次结构（优点：数据冗余少，但查询复杂。）4.过拟合与欠拟合及解决方法：-过拟合：模型对训练数据拟合过度，泛化能力差（解决：增加数据量、使用正则化、简化模型。）-欠拟合：模型对训练数据拟合不足，无法捕捉数据规律（解决：增加模型复杂度、特征工程、调整参数。）五、应用题1.数据清洗流程：-检查缺失值：统计各字段缺失值比例，决定填充或删除（目的：保证数据完整性。）-处理重复值：删除完全重复的记录，对部分重复记录按业务逻辑合并（目的：避免数据冗余。）-格式转换：统一注册时间格式为YYYY-MM-DD，注册渠道统一小写（目的：便于分析。）-异常值处理：检查性别字段是否为'U'等异常值，按业务规则修正（目的：保证数据准确性。）2.SQL查询语句：```sqlSELECTchannel,COUNT()ASuser_countFROMusersGROUPBYchannelORDERBYuse