数据清洗整 理技师考试试卷及答案

数据清洗整理技师考试试卷及答案一、填空题（每题1分，共10分）1.数据清洗中，缺失值的常用处理方法包括填充、删除和______。2.pandas中用于删除重复行的函数是______。3.数据质量的核心维度包括准确性、完整性、一致性、及时性和______。4.Excel中快速定位缺失值的快捷键组合是Ctrl+G后选择______。5.异常值检测常用的方法有Z-score法、IQR法和______。6.ETL流程中，T代表______。7.数据标准化中，将数据缩放到[0,1]区间的方法是______。8.SQL中用于去除重复记录的关键字是______。9.数据脱敏常用的方法有替换、遮蔽和______。10.pandas中查看数据基本统计信息的函数是______。二、单项选择题（每题2分，共20分）1.以下不属于数据清洗步骤的是？A.数据采集B.缺失值处理C.重复值删除D.异常值检测2.pandas中，fillna()方法默认填充的是？A.均值B.中位数C.空值D.无默认（需指定）3.以下哪种方法属于缺失值填充的“前向填充”？A.method='ffill'B.method='bfill'C.interpolate()D.fillna(mean)4.Excel中，若要删除重复项，应使用“数据”选项卡中的哪个功能？A.排序B.删除重复项C.筛选D.条件格式5.Z-score法中，通常认为Z值绝对值大于多少为异常值？A.2B.3C.4D.56.以下哪种工具主要用于数据清洗的SQL操作？A.MySQLB.pandasC.ExcelD.Tableau7.数据一致性检查不包括以下哪项？A.字段格式统一B.关联数据匹配C.数据时效性D.编码一致8.pandas中，将字符串转换为日期类型的函数是？A.to_datetime()B.to_date()C.strftime()D.date_range()9.以下属于数据转换操作的是？A.缺失值填充B.单位转换C.重复值删除D.异常值检测10.数据脱敏的主要目的是？A.提高数据完整性B.保护数据隐私C.加快数据处理速度D.减少数据存储量三、多项选择题（每题2分，共20分）1.数据清洗的主要目标包括？A.提高数据质量B.满足分析需求C.减少数据冗余D.加快数据传输2.缺失值处理的常见方法有？A.均值填充B.中位数填充C.前向填充D.删除整行3.异常值检测的方法有？A.Z-score法B.IQR法C.箱线图法D.聚类法4.pandas中处理重复值的方法有？A.drop_duplicates()B.duplicated()C.fillna()D.merge()5.数据质量的维度包括？A.准确性B.完整性C.一致性D.及时性6.Excel中数据清洗的常用功能有？A.删除重复项B.条件格式（标记异常值）C.数据验证D.排序7.数据转换的常见操作有？A.类型转换B.单位转换C.编码转换D.字符串拆分8.以下属于数据脱敏方法的是？A.替换B.遮蔽C.加密D.泛化9.ETL流程包括哪些环节？A.提取（Extract）B.转换（Transform）C.加载（Load）D.分析（Analyze）10.以下工具可用于数据清洗的是？A.pandasB.ExcelC.SQLD.Tableau四、判断题（每题2分，共20分）1.缺失值删除一定比填充更优。（）2.pandas的drop_duplicates()默认保留第一个重复行。（）3.IQR法中，异常值是小于Q1-1.5IQR或大于Q3+1.5IQR的值。（）4.Excel中“条件格式”可用于标记缺失值。（）5.数据标准化中，Z-score标准化的均值为0，标准差为1。（）6.SQL的DISTINCT关键字可删除所有重复记录。（）7.数据清洗只需要处理结构化数据，非结构化数据不需要。（）8.pandas的fillna(method='bfill')是后向填充。（）9.数据脱敏会改变原始数据的业务含义。（）10.数据清洗是数据分析的前置步骤。（）五、简答题（每题5分，共20分）1.简述数据清洗中缺失值处理的常用方法及适用场景。2.简述pandas中处理重复值的步骤。3.简述数据标准化的两种常用方法（Min-MaxScaling和Z-score）及适用场景。4.简述数据质量的核心维度及各维度含义。六、讨论题（每题5分，共10分）1.讨论在处理客户数据缺失值时，如何平衡数据完整性和分析准确性？2.讨论异常值处理的原则及常用策略，举例说明。---参考答案一、填空题答案1.插值法2.drop_duplicates()3.有效性4.空值5.箱线图法6.转换（Transform）7.Min-MaxScaling8.DISTINCT9.加密10.describe()二、单项选择题答案1.A2.D3.A4.B5.B6.A7.C8.A9.B10.B三、多项选择题答案1.ABC2.ABCD3.ABCD4.AB5.ABCD6.ABCD7.ABCD8.ABCD9.ABC10.ABC四、判断题答案1.×2.√3.√4.√5.√6.×7.×8.√9.×10.√五、简答题答案1.缺失值处理方法及场景：①删除法：删除含缺失值的行/列，适用于缺失比例<5%、删除后不影响分布的场景；②填充法：均值（正态分布数值）、中位数（偏态分布数值）、众数（类别型），适用于缺失比例中等的场景；③插值法：线性/多项式插值，适用于时间序列等有序数据；④模型填充：KNN/决策树预测，适用于缺失比例高、数据关联强的场景。2.pandas处理重复值步骤：①检测：用duplicated()返回布尔Series标记重复行；②查看：df[df.duplicated()]定位重复详情；③删除：drop_duplicates()，默认保留第一个（keep='first'），可指定subset去重特定列；④验证：duplicated().sum()确认无重复。3.两种标准化方法：①Min-MaxScaling：缩放到[0,1]，公式(X-Xmin)/(Xmax-Xmin)，适用于无明显分布、需保留相对关系的场景（如图片像素）；②Z-score：均值0、标准差1，公式(X-μ)/σ，适用于正态分布、需消量纲的场景（如聚类）。异常值下Z-score更稳健。4.数据质量核心维度：①准确性：数据与真实值一致；②完整性：无字段/记录缺失；③一致性：格式、编码统一，关联数据匹配；④及时性：采集/更新满足业务时间需求；⑤有效性：符合业务规则（如日期格式）。各维度关联，影响分析可靠性。六、讨论题答案1.客户数据缺失值平衡策略：①先分析缺失原因：随机缺失（如系统遗漏）用前向填充（时间序列行为）或众数填充（类别型）；非随机缺失（如敏感信息未填）用模型填充（消费/年龄预测职业），避免删除（样本偏差）；②缺失比例>10%：结合业务，如地址缺失若分析地域则补充（IP定位），若分析消费则保留；③验证：对比填充前后分布，做敏感性分析。2.异常值处理原则及策略：原则：先检