2026年数据分析师初级笔试题集

2026年数据分析师（初级）笔试题集一、单选题（共10题，每题2分，共20分）注：请选择最符合题意的选项。1.某电商平台A/B测试新推荐算法，控制组转化率为5%，实验组为5.5%，若设定显著性水平α=0.05，以下说法正确的是？A.实验组效果显著优于控制组B.无法判断两组差异是否显著C.需要扩大样本量进一步验证D.推荐算法改进无效2.以下哪个指标最适合衡量电商“加购率”与“转化率”的相关性？A.相关系数（Pearson）B.卡方检验C.独立样本t检验D.线性回归系数3.某城市外卖平台发现午餐时段订单量呈周期性波动，以下哪类模型最适合预测未来订单量？A.决策树B.ARIMA模型C.逻辑回归D.K-means聚类4.某快消品牌调研发现，年轻用户更偏好短视频种草，中年用户更关注性价比，该现象属于？A.用户分层B.偏态分布C.异常值处理D.相关性分析5.以下哪个SQL语句能有效筛选出2025年销量超过1000的省份？sqlSELECT省份,SUM(销量)FROM销售表WHEREYEAR(日期)=2025GROUPBY省份HAVINGSUM(销量)>1000;A.语句正确B.需要添加JOIN条件C.HAVING应改为WHERED.缺少GROUPBY分组字段6.某银行客户流失分析显示，高余额用户更倾向于续约，该结论最可能源于？A.因果关系B.相关性陷阱C.抽样偏差D.混淆变量7.某外卖平台分析发现，骑手配送时长与天气温度呈负相关，以下哪个假设可能成立？A.高温导致订单量减少B.高温使骑手速度加快C.高温时用户更早下单D.高温地区骑手补贴更高8.以下哪个Python代码片段能有效去除PandasDataFrame中的重复值？pythondf.drop_duplicates(subset=['用户ID'],inplace=True)A.代码正确且需加inplace=TrueB.代码正确但重复值未明确列名C.需要使用dropna()替代D.应改为dropna(how='all')9.某电商APP用户调研显示，25-35岁用户对“免密购”功能接受度最高，该结论最可能受以下哪个因素影响？A.样本量不足B.地域差异C.消费习惯差异D.调研方式偏差10.某零售企业用RFM模型分析用户价值，若某用户R=10，F=5，M=3，以下描述最准确的是？A.用户近期活跃但购买频次低B.用户忠诚度高但消费金额少C.用户属于潜在流失群体D.用户需重点催单二、多选题（共5题，每题3分，共15分）注：请选择所有符合题意的选项。1.某电商平台优化商品详情页，以下哪些策略可能提升转化率？A.增加用户评价展示B.提供限时折扣信息C.减少页面跳转层级D.关闭移动端适配2.某外卖平台分析骑手配送效率时，以下哪些因素需纳入模型？A.天气状况B.订单距离C.用户评价D.骑手年龄3.某银行分析用户信贷风险时，以下哪些指标可能作为特征变量？A.收入水平B.居住地房价C.账户余额D.宠物数量4.某电商APP用户流失预警模型中，以下哪些数据需标注标签？A.用户是否续费B.用户活跃时长C.用户最近购买金额D.用户设备类型5.某快消品牌分析促销活动效果时，以下哪些指标需监控？A.活动期间销量B.用户复购率C.促销成本占比D.社交媒体讨论量三、填空题（共5题，每题2分，共10分）注：请将答案填写在横线上。1.在数据清洗中，处理缺失值的方法包括__________和多重插补。2.SQL中用于计算分组数据占比的函数是__________。3.逻辑回归模型中，参数θ的更新方向由__________决定。4.用户行为分析中，衡量用户粘性的常用指标是__________。5.Python中，用于处理缺失值的库是__________。四、简答题（共4题，每题5分，共20分）注：请简要阐述或说明。1.简述A/B测试中控制组与实验组设计的关键原则。2.解释“数据倾斜”问题及其在Spark中的常见解决方法。3.为什么RFM模型能有效评估用户价值？4.描述电商用户分层的常见维度及意义。五、编程题（共2题，共25分）注：请按要求完成代码或逻辑说明。1.SQL编程（10分）：某电商平台销售表结构如下：sqlCREATETABLEsales(order_idINT,user_idINT,provinceVARCHAR(10),amountDECIMAL(10,2),order_dateDATE);请编写SQL查询，统计每个省份的月度销售额排名（按排名降序，并列的按月份降序），并展示省份、月份、排名、销售额。2.Python编程（15分）：给定以下DataFrame：pythonimportpandasaspddata={'用户ID':['U001','U002','U001','U003','U002'],'浏览时长':[5,10,3,8,12],'购买金额':[200,500,150,300,600]}df=pd.DataFrame(data)请用Python实现以下功能：-计算每个用户的平均浏览时长和购买金额。-添加一列“标签”，规则：浏览时长>8且购买金额>400标注为“高价值用户”，否则为“普通用户”。答案与解析一、单选题答案1.A2.A3.B4.A5.A6.A7.A8.A9.C10.B解析：1.A/B测试中，若实验组转化率显著高于控制组（p值<α），则效果优于控制组。4.用户分层基于用户属性差异，而非数据分布问题。6.因果关系需排除其他变量干扰，题干未体现。10.RFM模型中，R高F高M高为高价值用户，题干中R高F高但M低可能属于“近期活跃但消费金额少”群体。二、多选题答案1.ABC2.ABC3.ABC4.AB5.ABCD解析：1.提升转化率需增强用户信任（评价）、创造紧迫感（折扣）、优化体验（减少跳转），移动端适配影响体验。4.用户流失预警需关注用户行为（活跃时长）和结果（是否续费），设备类型与流失关联性较弱。三、填空题答案1.删除/填充2.SUM()/COUNT()/GROUPBY3.梯度下降4.留存率5.Pandas四、简答题答案1.控制组与实验组设计原则：-样本量足够大（如30%用户流量）；-除实验变量外其他条件一致；-采用随机分配避免选择偏差。2.数据倾斜解决方法：-重分区（Repartition）；-使用广播表（BroadcastJoin）；-增加数据倾斜侧的并行度。3.RFM模型评估用户价值原因：-R（Recency）衡量近期活跃度；-F（Frequency）衡量购买频次；-M（Monetary）衡量消费金额，三者结合能全面反映用户价值。4.用户分层维度及意义：-年龄/地域（如一二线城市用户消费力强）；-消费习惯（如价格敏感型/品牌偏好型）；-活跃度（如高频/低频用户）。五、编程题答案1.SQL查询：sqlSELECTprovince,YEAR(order_date)AS月份,RANK()OVER(PARTITIONBYprovince,YEAR(order_date)ORDERBYSUM(amount)DESC)AS排名,SUM(amount)AS销售额FROMsalesWHEREYEAR(order_date)BETWEEN2024AND2025GROUPBYprovince,YEAR(order_date);2.Python编程：python计算平均值df['平均浏览时长']=df.groupby('用户ID')['浏览时长'].transform('mean')df['平均购买金额']=