2026年数据分析师笔试题库含答案

2026年数据分析师笔试题库含答案一、选择题（共5题，每题2分）说明：下列每题只有一个正确答案。1.某电商平台A/B测试新推荐算法，对照组（未使用新算法）转化率为3%，实验组（使用新算法）转化率为4%，新算法提升效果为（）。A.1%B.33.3%C.50%D.66.7%2.在处理某城市共享单车骑行数据时，发现部分用户ID为空，最合理的处理方法是（）。A.删除含空ID的记录B.用均值填补空IDC.用模型预测空IDD.标记为“未知”并保留3.某零售企业分析用户购买行为，发现客单价与用户年龄呈正相关，该结论说明（）。A.年龄越大，消费能力越强B.年龄与消费能力无直接关系C.需结合收入数据进一步分析D.数据存在异常值干扰4.在Python中，读取CSV文件并筛选出某列大于100的数据，以下正确的方法是（）。pythonimportpandasaspddf=pd.read_csv('data.csv')df[df['column']>100]A.上述代码正确B.需要加`dtype=int`参数C.必须先排序再筛选D.无法直接筛选5.某餐厅通过用户评论数据计算“满意度评分”，若部分评论缺失，计算时需采用（）。A.简单平均法B.加权平均法（高活跃用户权重更高）C.中位数法D.均值法（忽略缺失值）二、填空题（共5题，每题2分）说明：根据题意填写完整答案。1.在假设检验中，若P值小于0.05，通常认为拒绝原假设的把握程度为（）。答案：95%2.某电商数据分析师需统计某品类商品销量，数据量达1亿条，推荐使用（）工具处理效率更高。答案：Spark3.用户行为分析中，“留存率”通常指次日或N日内活跃用户占总新用户的比例，计算公式为（）。答案：留存用户数/新用户总数×100%4.在SQL查询中，若需按时间降序排列结果，使用（）关键字。答案：DESC5.某企业分析用户流失原因，发现“使用年限”与流失率呈负相关，说明（）。答案：用户使用时间越长，流失可能性越低三、简答题（共3题，每题5分）说明：简明扼要地回答问题。1.简述数据清洗中常见的5个问题及处理方法。答案：-缺失值处理：删除（若比例低）、均值/中位数填补、模型预测填补、标记为“未知”。-异常值处理：通过箱线图/3σ法则识别，删除/替换/保留（若为真实极端情况）。-重复值处理：使用`duplicated()`函数检测并删除。-格式错误：如日期字段存为文本，需转换格式（如`pd.to_datetime`）。-不一致数据：如“北京”与“北京市”统一为“北京”。2.某零售企业想通过用户购买数据预测未来销售额，简述建模流程。答案：-数据准备：清洗、特征工程（如时间、季节、促销活动标记）。-模型选择：时间序列模型（ARIMA）、回归模型（线性/岭回归）或树模型（随机森林）。-训练与验证：划分训练集/测试集，交叉验证调参。-评估：使用RMSE/AUC等指标，解释模型偏差。3.解释“数据偏差”的3种类型及避免方法。答案：-抽样偏差：样本无法代表总体（如仅分析一线城市用户）。避免：随机抽样、分层抽样。-时间偏差：数据时间跨度不合理（如仅分析节假日数据）。避免：平衡时间分布（如覆盖全年）。-测量偏差：数据采集方式导致误差（如手动填写易出错）。避免：规范采集流程、双重录入核对。四、操作题（共2题，每题10分）说明：结合实际场景完成数据处理或分析任务。1.任务：某外卖平台提供用户订单数据（CSV格式），字段包括`用户ID`、`订单金额`、`下单时间`、`商家类型`。要求：-计算每日总订单金额，并按商家类型分组排序。-绘制柱状图展示前3名商家金额占比。（假设Python环境已安装pandas、matplotlib）答案：pythonimportpandasaspdimportmatplotlib.pyplotasplt读取数据df=pd.read_csv('orders.csv')df['下单时间']=pd.to_datetime(df['下单时间'])按日汇总daily_total=df.groupby(df['下单时间'].dt.date)['订单金额'].sum().reset_index()daily_total.columns=['日期','总金额']按商家类型分组type_group=df.groupby('商家类型')['订单金额'].sum().sort_values(ascending=False)绘图plt.figure(figsize=(10,6))type_group.head(3).plot(kind='bar')plt.title('Top3商家订单金额')plt.xlabel('商家类型')plt.ylabel('金额（元）')plt.show()2.任务：某银行提供用户信用卡账单数据，需分析逾期用户特征。要求：-计算逾期天数（账单日到还款日未还款的天数）。-分析逾期用户与年龄、收入的关系（绘制散点图+趋势线）。（假设数据包含`用户ID`、`账单日`、`还款日`、`最低还款额`、`年龄`、`月收入`）答案：pythonimportpandasaspdimportnumpyasnp读取数据df=pd.read_csv('credit.csv')df['账单日']=pd.to_datetime(df['账单日'])df['还款日']=pd.to_datetime(df['还款日'])计算逾期天数df['逾期天数']=(df['还款日']-df['账单日']).dt.days逾期用户=df[df['逾期天数']>0]分析年龄与逾期关系plt.figure(figsize=(10,6))plt.scatter(逾期用户['年龄'],逾期用户['逾期天数'],alpha=0.5)z=np.polyfit(逾期用户['年龄'],逾期用户['逾期天数'],1)p=np.poly1d(z)plt.plot(逾期用户['年龄'],p(逾期用户['年龄']),color='red')plt.title('年龄与逾期天数关系')plt.xlabel('年龄')plt.ylabel('逾期天数')plt.show()五、论述题（共1题，15分）说明：结合行业场景深入分析。某新零售企业希望利用数据分析提升门店运营效率，请从数据采集、分析方法、业务场景3个角度提出完整方案。答案：1.数据采集：-门店数据：收集POS交易流水、客流计数器数据、库存系统数据。-用户数据：通过APP/小程序采集消费记录、会员等级、优惠券使用情况。-外部数据：整合天气、节假日、竞品活动数据。2.分析方法：-销售分析：利用时间序列模型预测销量，识别爆款商品及销售拐点。-用户画像：通过聚类分析划分高价值用户（如高频复购、高客单价），针对性营销。-库存优化：结合销售预测与实时库存，计算安全库存量，减少缺货/积压。3.业务场景应用：-动态定价：基于实时客流与库存，对高需求商品小幅提价；低需求商品打折促销。-精准推荐：通过用户画像，在APP推送关联商品（如购买牛奶的用户可能需纸尿裤）。-门店选址：分析商圈人流与消费能力，结合商圈竞争格局，优化新店布局。答案与解析选择题：1.B（4%/3%-1=33.3%）2.D（空ID可能为隐私保护，标记后保留更合理）3.C（需结合收入验证，否则可能受其他因素影响）4.A（Pandas标准用法）5.B（加权平均能反映活跃用户行为）填空题：1.95%2.Spark3.留存用户数/新用户总数×100%4.DESC5.用户使用时间越长，流失可能性越低简答题：1.答案见上文（数据清洗方法需全面且专