2026年数据分析师初级认证题集

2026年数据分析师初级认证题集一、单选题（每题2分，共20题）1.在处理缺失值时，以下哪种方法最适用于连续型数据且能保留数据分布特征？A.删除含有缺失值的行B.使用均值或中位数填充C.使用众数填充D.使用KNN填充2.某电商平台的用户行为数据中，"购买金额"属于哪种类型的变量？A.分类变量B.序数变量C.连续变量D.布尔变量3.在Excel中，使用哪种函数可以计算一组数据的调和平均值？A.`AVERAGE`B.`MEDIAN`C.`HARMEAN`D.`STDEV`4.以下哪个指标最适合衡量数据集的离散程度？A.方差B.标准差C.偏度D.峰度5.假设某城市2025年GDP增长率为8%，人口增长率为1%，则人均GDP的增长率约为多少？A.7.2%B.9.0%C.8.1%D.10.0%6.在数据可视化中，使用折线图最适合展示以下哪种数据？A.分类数据与数值数据的关系B.时间序列数据的变化趋势C.不同类别的数据分布D.数据间的相关性7.假设某零售企业的销售额数据如下：[100,200,150,300,250]，其四分位数（Q1）约为多少？A.150B.175C.200D.2508.在SQL中，使用以下哪个语句可以计算分组后的平均值？A.`SUM()`B.`AVG()`C.`COUNT()`D.`MAX()`9.假设某城市2025年新能源汽车销量为10万辆，占汽车总销量的20%，则2025年该城市汽车总销量约为多少万辆？A.40万B.50万C.60万D.80万10.在Python中，使用Pandas处理数据时，以下哪个方法可以去除重复值？A.`dropna()`B.`fillna()`C.`drop_duplicates()`D.`sort_values()`二、多选题（每题3分，共10题）1.以下哪些属于数据预处理的基本步骤？A.缺失值处理B.数据清洗C.数据转换D.数据集成2.假设某餐饮企业分析用户消费数据，以下哪些指标适合评估用户忠诚度？A.客户生命周期价值（CLV）B.复购率C.平均客单价D.用户活跃度3.在Excel中，以下哪些函数可以用于统计分类数据？A.`COUNTIF`B.`SUMIF`C.`AVERAGE`D.`MAX`4.假设某城市分析交通拥堵数据，以下哪些因素可能影响交通流量？A.车流量B.天气状况C.节假日D.道路施工5.在Python中，使用Matplotlib绘制散点图时，以下哪些参数可以调整？A.点的大小B.点的颜色C.坐标轴范围D.图例位置6.假设某电商平台分析用户评论数据，以下哪些属于文本分析的基本方法？A.词频统计B.情感分析C.文本聚类D.文本分类7.在SQL中，以下哪些语句可以用于数据筛选？A.`SELECT`B.`WHERE`C.`GROUPBY`D.`HAVING`8.假设某零售企业分析销售数据，以下哪些指标适合评估促销效果？A.销售额增长率B.促销期间客流量C.促销商品占比D.用户转化率9.在数据可视化中，以下哪些图表适合展示比例关系？A.饼图B.条形图C.堆积条形图D.散点图10.假设某城市分析空气质量数据，以下哪些指标属于空气污染监测的主要指标？A.PM2.5B.PM10C.二氧化硫（SO₂）D.一氧化碳（CO）三、判断题（每题1分，共10题）1.方差越大，说明数据越集中。（×）2.假设检验中的p值越小，拒绝原假设的证据越强。（√）3.数据清洗的主要目的是去除异常值。（×）4.线性回归模型适用于分析两个变量之间的线性关系。（√）5.假设某城市2025年人口增长率为2%，GDP增长率为10%，则人均GDP增长率为8%。（√）6.数据可视化可以提高数据分析的可解释性。（√）7.SQL中的`JOIN`语句可以用于合并多个数据表。（√）8.假设某电商平台分析用户购买数据，用户购买频率越高，其忠诚度一定越高。（×）9.调和平均值适用于计算平均速度等场景。（√）10.假设某城市分析交通拥堵数据，交通流量与道路拥堵程度成正比。（√）四、简答题（每题5分，共5题）1.简述数据预处理的主要步骤及其目的。-数据清洗：去除重复值、纠正错误数据、处理缺失值。-数据集成：合并多个数据源。-数据变换：规范化数据（如标准化、归一化）、离散化。-数据规约：减少数据量（如抽样、压缩）。2.解释什么是相关系数，并说明其取值范围及意义。-相关系数用于衡量两个变量之间的线性关系强度，取值范围为[-1,1]。-1表示完全正相关，-1表示完全负相关，0表示无线性关系。3.简述假设检验的基本步骤。-提出原假设和备择假设。-选择显著性水平（如α=0.05）。-计算检验统计量。-做出决策（拒绝或保留原假设）。4.假设某电商平台分析用户购买数据，如何评估促销活动的效果？-对比促销前后销售额、用户转化率、客单价等指标。-分析促销商品占比及用户复购率。5.简述数据可视化的基本原则。-清晰性：图表易于理解。-准确性：数据表达真实。-效果性：突出关键信息。五、操作题（每题10分，共2题）1.假设你使用Python的Pandas库处理某电商平台用户购买数据，数据如下：pythonimportpandasaspddata={'用户ID':[1,2,3,4,5],'购买金额':[100,200,None,300,250],'购买次数':[1,2,3,1,2]}df=pd.DataFrame(data)请写出以下操作代码：-去除含有缺失值的行。-计算购买金额的平均值。-按购买次数分组，计算每组的购买金额总和。python代码示例df_cleaned=df.dropna()avg_purchase=df_cleaned['购买金额'].mean()grouped_sum=df.groupby('购买次数')['购买金额'].sum()2.假设你使用SQL查询某城市交通拥堵数据，表结构如下：sqlCREATETABLEtraffic(idINT,timeDATETIME,roadVARCHAR(50),congestion_levelINT);请写出以下SQL语句：-查询2025年1月1日至2025年1月31日期间，每条道路的平均拥堵等级。-查询拥堵等级大于3的道路数量。sql--代码示例SELECTroad,AVG(congestion_level)ASavg_congestionFROMtrafficWHEREtimeBETWEEN'2025-01-01'AND'2025-01-31'GROUPBYroad;SELECTCOUNT()FROMtrafficWHEREcongestion_level>3;答案与解析一、单选题1.B（均值或中位数填充适用于连续型数据，保留分布特征）2.C（购买金额是连续型数值变量）3.C（`HARMEAN`函数计算调和平均值）4.B（标准差衡量数据离散程度，单位与原数据一致）5.A（人均GDP增长率=GDP增长率-人口增长率=7.2%）6.B（折线图适合展示时间序列数据趋势）7.A（排序后[100,150,200,250]，Q1=(150+150)/2=150）8.B（`AVG()`函数计算平均值）9.B（10/0.2=50万辆）10.C（`drop_duplicates()`去除重复行）二、多选题1.ABCD（数据预处理包括清洗、集成、变换、规约）2.AB（CLV和复购率直接反映忠诚度）3.AB（`COUNTIF`和`SUMIF`用于条件统计）4.ABCD（车流量、天气、节假日、施工均影响交通流量）5.ABC（散点图可调整点大小、颜色、坐标轴，但图例位置需手动设置）6.ABCD（词频统计、情感分析、聚类、分类均属文本分析方法）7.AB（`SELECT`和`WHERE`用于筛选）8.ABCD（销售额、客流量、占比、转化率均反映促销效果）9.AC（饼图和堆积条形图适合展示比例）10.ABCD（PM2.5、PM10、SO₂、CO均属空气污染指标）三、判断题1.×（方差越大，数据越分散）2.√（p值越小，拒绝原假设证据越强）3.×（数据清洗还包括去除重复值、纠正错误等）4.√（线性回归分析两个变量线性关系）5.√（人均GDP增长率=8%-2%=6%）6.√（可视化使数据更直观）7.√（`JOIN`用于合并表）8.×（忠诚度还受其他因素影响）9.√（调和平均值适用于速度等场景）10.√（拥堵程度与流量正相关）四、简答题1.数据预处理步骤及目的：-清洗：去除噪声数据，提高数据质量。-集成：合并多个数据源，形成统一数据集。-变换：规范化数据，便于分析。-规约：减少数据量，提高效率。2.相关系数解释：-相关系数（-1到1）衡量线性关系强度：-1：完全正相关；-1：完全负相关；0：无线性关系。3.假设检验步骤：-提出假设（H₀和H₁）。-选择显著性水平（α）。-计算检验统计量。-判断是否拒绝H₀。4.评估促销效果：-对比促销前后关键指标（销售额、转化率、客单价）。-分析促销商品占比及复