2026年数据分析师继续教育考试试题及答案解析

2026年数据分析师继续教育考试试题及答案解析一、单项选择题（每题1分，共20分。每题只有一个正确答案，请将正确选项字母填入括号内）1.在Python中，使用pandas读取CSV文件时，若文件编码为GBK，应使用的参数是（）A.encoding='utf-8'B.encoding='gbk'C.decode='gbk'D.charset='gbk'答案：B解析：pandas.read_csv()中通过encoding参数指定文件编码，GBK编码应写为encoding='gbk'。2.某电商公司2025年12月订单量环比增长率为5%，同比增长率为18%，则2024年12月订单量与2025年11月订单量的比值约为（）A.1.12B.1.18C.1.24D.1.30答案：A解析：设2025年11月为A，2025年12月为1.05A；2024年12月为B，则1.05A=1.18B，得B/A=1.05/1.18≈0.89，故A/B≈1.12。3.在SQL中，以下语句用于计算用户留存率的是（）A.COUNT(DISTINCTuser_id)B.SUM(CASEWHENDATEDIFF(day,reg_date,active_date)=1THEN1ELSE0END)/COUNT()B.SUM(CASEWHENDATEDIFF(day,reg_date,active_date)=1THEN1ELSE0END)/COUNT()C.MAX(active_date)D.AVG(session_length)答案：B解析：次日留存率定义为首日注册用户中第二日仍活跃的比例，需用条件聚合。4.使用LightGBM训练模型时，为防止过拟合，应优先调节的参数是（）A.num_leavesB.learning_rateC.feature_fractionD.max_depth答案：C解析：feature_fraction通过随机选择特征子集降低方差，优先于调整树深度或叶节点数。5.在A/B测试中，若实验组转化率提升2%，p值为0.04，则（）A.可认为提升显著，无需关注功效B.需补充最小可检测效应与功效分析C.可直接全量发布D.需降低显著性水平至0.01答案：B解析：p<0.05仅说明统计显著，仍需结合业务最小可检测效应与检验功效判断实际显著性。6.对右偏态分布数据取对数后，偏态程度将（）A.加剧右偏B.变为左偏C.减轻右偏D.不变答案：C解析：对数变换可压缩大值端，减轻右偏。7.在Tableau中，将维度字段拖至“颜色”标记卡，默认生成的图形元素颜色方案依据是（）A.连续色阶B.分类调色板C.自定义形状D.单色调答案：B解析：维度字段为离散型，Tableau默认采用分类调色板。8.使用SparkSQL进行窗口计算时，计算移动平均应使用的函数是（）A.rank()B.avg()OVER(ROWSBETWEEN6PRECEDINGANDCURRENTROW)C.lag()D.first_value()答案：B解析：窗口函数avg()配合ROWS子句可实现7日移动平均。9.若某特征与目标变量相关系数为0，则该特征（）A.对模型一定无价值B.仍可能通过非线性变换提供信息C.应直接删除D.必然独立答案：B解析：线性相关系数为0仅说明无线性相关，可能存在非线性关系。10.在Python中，使用statsmodels进行逻辑回归时，输出结果中“PseudoR-squared”最接近线性回归中R²的指标是（）A.LLRp-valueB.Cox&SnellR²C.AICD.F-statistic答案：B解析：Cox&SnellR²将似然比转换为0~1区间，类比线性回归R²。11.某时间序列经ADF检验得p=0.08，则（）A.序列平稳B.存在单位根C.拒绝原假设D.需进行KPSS检验确认答案：B解析：p>0.05不拒绝原假设，认为存在单位根，序列非平稳。12.使用K-means聚类时，若样本量十万级，特征维度上千，最耗时的步骤是（）A.初始化质心B.分配样本到最近质心C.更新质心D.计算轮廓系数答案：B解析：分配步骤需计算每样本到所有质心的距离，复杂度O(nk)，在大样本高维场景最耗时。13.在Excel中，数组公式求加权平均应使用的组合键是（）A.EnterB.Ctrl+Shift+EnterC.Alt+EnterD.Shift+Enter答案：B解析：数组公式需Ctrl+Shift+Enter确认。14.若随机森林模型OOB误差随树数增加而先降后升，最可能原因是（）A.树间相关性过高B.样本噪声被过度学习C.单棵树深度不足D.特征量过少答案：B解析：树数过多可能让模型记忆噪声，OOB误差反弹。15.在Python中，使用seaborn绘制热力图时，屏蔽上三角矩阵的参数是（）A.mask=np.triu(np.ones_like(corr))B.upper=FalseC.half=TrueD.triangle='lower'答案：A解析：通过mask传入布尔矩阵可隐藏指定单元格。16.某模型PR曲线下面积AUPRC=0.3，说明（）A.模型对正例识别能力弱B.模型准确率为0.3C.正例占比30%D.模型ROC曲线下面积也为0.3答案：A解析：AUPRC介于0~1，0.3表示正例排序能力较差。17.使用Prophet预测节假日效应时，需传入的组件是（）A.seasonality_modeB.holidaysC.changepoint_prior_scaleD.interval_width答案：B解析：holidays参数接收DataFrame，指定节假日日期及影响窗口。18.在PostgreSQL中，实现“将数组字段拆分成多行”应使用的函数是（）A.unnest()B.split_part()C.array_agg()D.string_to_array()答案：A解析：unnest()将数组展开为行。19.若XGBoost特征重要性图表中某特征Gain占比50%，则（）A.该特征分裂次数最多B.该特征对模型loss减少贡献最大C.该特征覆盖样本量最大D.该特征与目标因果显著答案：B解析：Gain表示特征在分裂时带来的loss减少总和。20.在Python中，使用pandas将分类变量转为one-hot编码，且保留原始列，应使用（）A.pd.get_dummies(drop_first=False)B.pd.factorize()C.LabelEncoder()D.Category.astype('category')答案：A解析：get_dummies可保留全部哑变量。二、多项选择题（每题2分，共20分。每题有两个或两个以上正确答案，请将所有正确选项字母填入括号内，漏选、错选均不得分）21.下列属于处理缺失值方法的有（）A.多重插补B.删除含缺失行C.XGBoost内置缺失分支D.均值填补答案：ABCD解析：四种均为常用缺失值处理策略。22.关于PCA的描述正确的有（）A.主成分方向对应协方差矩阵特征向量B.各主成分正交C.第一主成分方差最大D.必须标准化原始特征答案：ABC解析：标准化非强制，但量纲差异大时建议标准化。23.以下属于时间序列交叉验证策略的有（）A.滚动窗口B.扩展窗口C.K折打乱D.滑步验证答案：ABD解析：K折打乱破坏时序，不适用。24.在Python中，可加速pandas运算的工具有（）A.swifterB.numbaC.modinD.pandas自带Cython后端答案：ABCD解析：四者均可通过不同机制提升性能。25.以下指标对类别不平衡敏感的有（）A.AccuracyB.F1-scoreC.AUC-ROCD.Matthews相关系数答案：AB解析：Accuracy与F1受正负比例影响大，AUC-ROC与MCC相对稳健。26.在SQL中，可用于计算用户生命周期LT的字段有（）A.reg_timeB.last_active_timeC.first_order_timeD.churn_flag答案：ABCD解析：LT计算需注册、活跃、订单及流失标记。27.以下属于SparkMLlib支持的分类算法有（）A.RandomForestClassifierB.GBTClassifierC.NaiveBayesD.SVMWithSGD答案：ABCD解析：MLlib均提供API。28.在Python中，可绘制交互式图表的库有（）A.plotlyB.bokehC.altairD.matplotlib答案：ABC解析：matplotlib默认静态。29.以下属于特征选择过滤法的有（）A.方差选择B.互信息C.L1正则D.ReliefF答案：ABD解析：L1正则属于嵌入法。30.在A/B测试中，需提前确定的参数有（）A.检验功效B.最小可检测效应C.显著性水平D.实验周期答案：ABCD解析：四者均为实验设计核心参数。三、填空题（每空2分，共20分）31.在Python中，使用sklearn.metrics计算精确率的函数名是________。答案：precision_score32.若某商品日销量服从Poisson(λ=9)，则其标准差为________。答案：333.在Excel中，将日期“2026/3/15”转为文本“20260315”的公式为________。答案：TEXT(A1,"yyyymmdd")34.使用SQL计算用户首单距今天数，函数DATEDIFF的单位为________。答案：day35.在Prophet中，若seasonality_mode='multiplicative'，则趋势与季节项相乘，此时预测公式为y(t)=________×________。答案：g(t)；s(t)36.若随机变量X~N(μ,σ²)，则P(μ-1.96σ≤X≤μ+1.96σ)≈________。答案：0.9537.在Python中，使用pandas将DataFrame行打乱并重置索引的代码为df=df.sample(________).reset_index(________)。答案：frac=1；drop=True38.使用XGBoost时，控制叶子节点最小样本数的参数为________。答案：min_child_weight39.在Tableau中，创建“计算字段”使用的函数窗口快捷键为________。答案：Ctrl+Shift+N40.若某模型KS统计量为0.42，则其对应的ROC曲线最大垂直距离为________。答案：0.42四、简答题（共30分）41.（封闭型，6分）简述VIF方差膨胀因子的计算步骤，并给出一般判断标准。答案：步骤：1）以某一特征为因变量，对其余特征做线性回归，得R²；2）计算VIF=1/(1-R²)。判断：VIF>10认为存在严重多重共线，VIF>5需警惕。42.（开放型，8分）某视频平台2025年12月DAU环比下跌5%，列举至少四种可量化的分析维度及对应指标，并说明如何验证。答案：1）渠道：分渠道DAU占比，用χ²检验看是否某渠道显著下降；2）内容：Top100视频观看时长占比，对比同期，若下降则内容吸引力不足；3）技术：崩溃率，若上升用Pearson相关检验崩溃率与DAU关系；4）竞品：同期竞品DAU市场份额，若竞品上升可用双重差分法评估外部冲击。43.（封闭型，6分）写出使用Python进行SMOTE过采样的最小代码片段（含库导入）。答案：```pythonfromimblearn.over_samplingimportSMOTEsm=SMOTE(random_state=42)X_res,y_res=sm.fit_resample(X,y)```44.（开放型，10分）解释“数据泄露”含义，并给出三种常见场景及对应避免方案。答案：含义：训练集信息在预测时无法获得，导致模型表现虚高。场景：1）未来信息泄露——用未来均值填补历史缺失，避免：严格按时间切分训练/测试；2）目标泄漏——特征含目标衍生，避免：特征工程在训练集单独统计；3）交叉验证泄露——整体标准化后划分，避免：在CV每折内做标准化。五、应用题（共60分）45.（计算类，15分）某电商大促期间，商品A在2026年6月18日0点至2点每30分钟销量如下：[120,135,150,180,210,260]。（1）计算这段时间的复合增长率（CAGR，以30分钟为一期）。（2）若以此CAGR预测，4点整销量为多少？（3）用线性回归估计斜率，并解释其业务含义。答案：（1）共5期，终值/初值=260/120=2.1667，CAGR=(2.1667)^(1/5)-1≈16.72%。（2）到4点共8期，销量=120×(1+0.1672)^8≈120×3.48≈418件。（3）设期数x=0,1…5，销量y，用最小二乘得斜率b=28.8件/期，含义：每30分钟平均多卖28.8件，呈加速趋势，需关注补货节奏。46.（分析类，15分）给定用户行为表：user_id,event_time,event_type(浏览/加购/支付)。任务：用SQL计算2026年5月每一天的“支付转化漏斗”——浏览→加购→支付，要求输出日期、浏览UV、加购UV、支付UV、整体转化率（支付/浏览）。答案：```sqlWITHtAS(SELECTDATE(event_time)ASdt,user_id,MAX(CASEWHENevent_type='浏览'THEN1ELSE0END)ASv,MAX(CASEWHENevent_type='加购'THEN1ELSE0END)ASa,MAX(CASEWHENevent_type='支付'THEN1ELSE0END)ASpFROMbehaviorWHEREevent_timeBETWEEN'2026-05-01'AND'2026-05-3123:59:59'GROUPBYDATE(event_time),user_id)SELECTdt,COUNT(DISTINCTCASEWHENv=1THENuser_idEND)ASuv_view,COUNT(DISTINCTCASEWHENa=1THENuser_idEND)ASuv_add,COUNT(DISTINCTCASEWHENp=1THENuser_idEND)ASuv_pay,COUNT(DISTINCTCASEWHENp=1THENuser_idEND)1.0/COUNT(DISTINCTCASEWHENp=1THENuser_idEND)1.0/COUNT(DISTINCTCASEWHENv=1THENuser_idEND)ASconv_rateFROMtGROUPBYdtORDERBYdt;```47.（综合类，30分）数据：csv文件loan.csv，字段ID,age,income,amount,rate,term,target(1=违约)。要求：（1）用Python完成数据清洗：缺失值处理、异常值剔除（income>0且amount>0）、分训练测试（时间先后，测试集为最近20%）。（2）建立逻辑回归模型，输出特征系数、OR值、AUC。（3）用SHAP解释前3大影响违约的特征，并给出业务建议。答案：（1）代码：```pythonimportpandasaspd,numpyasnp,matplotlib.pyplotaspltfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportroc_auc_scoreimportshapdf=pd.read_csv('loan.csv')df=df[(df.income>0)&(df.amount>0)]df=df.dropna()df=df.sort_values('ID')#假设ID升序即时间先后n=len(df)train=df.iloc[:int(n0.8)]train=df.iloc[:int(n0.8)]test=df.iloc[int(n0.8):]test=df.