2026年数据分析师数据处理及可视化试题及答案

2026年数据分析师数据处理及可视化试题及答案1.单选题（每题2分，共20分）1.1在Pandas中，下列代码执行后df的行数是多少？```pythonimportpandasaspddf=pd.DataFrame({'x':range(5)})df=df[df.x>2].reset_index(drop=True)df=df.drop_duplicates()```A.2  B.3  C.4  D.5答案：A1.2使用NumPy生成服从N(0,1)的1000个随机数，并计算其偏度（scipy.stats.skew）。若结果≈0.02，则下列说法正确的是：A.分布左偏 B.分布右偏 C.基本对称 D.无法判断答案：C1.3在Matplotlib中，欲将x轴刻度标签旋转45°，应使用：A.plt.xticks(rotation=45)B.plt.setp(ax.xticks,rotation=45)C.ax.set_xticklabels(rotation=45)D.plt.xlim(rotation=45)答案：A1.4对高维稀疏矩阵进行降维，优先选择：A.PCA B.t-SNE C.TruncatedSVD D.LDA答案：C1.5在SQL中，窗口函数ROW_NUMBER()OVER(PARTITIONBYdeptORDERBYsalaryDESC)的作用是：A.每个dept内按salary升序编号 B.全局按salary降序编号 C.每个dept内按salary降序编号 D.返回dept内最高salary答案：C1.6下列关于Seaborn的叙述，错误的是：A.sns.heatmap可绘制相关系数矩阵图 B.sns.pairplot可一次性绘制所有数值变量两两散点图 C.sns.boxplot只能画一个箱线图 D.sns.catplot支持kind='bar'答案：C1.7在Python中，对类别变量进行独热编码后，最可能导致的建模风险是：A.过拟合 B.欠拟合 C.梯度消失 D.数据泄露答案：A1.8使用Scikit-learn的StandardScaler.fit_transform(X)后，X的每一列：A.均值为0方差为1 B.均值为1方差为0 C.最小值为0最大值为1 D.不变答案：A1.9在Tableau中，将维度字段拖到“颜色”标记卡，默认生成：A.条形图 B.散点图 C.填充地图 D.按类别分色的视图答案：D1.10对时间序列做STL分解后，remainder项的均值理想状态下应：A.接近0 B.接近1 C.接近季节周期 D.与趋势相同答案：A2.多选题（每题3分，共15分；多选少选均不得分）2.1下列哪些操作会触发Pandas的SettingWithCopyWarning？A.df[df.x>0].y=1 B.df.loc[df.x>0,'y']=1 C.df2=df[df.x>0];df2['y']=1 D.df.iloc[0,0]=100答案：AC2.2关于特征缩放，下列说法正确的是：A.K-均值聚类前必须做 B.树模型不需要 C.主成分分析前必须做 D.岭回归对特征量纲敏感答案：ABCD2.3下列图表适合展示“部分-整体”关系的有：A.堆叠面积图 B.饼图 C.树状图 D.南丁格尔玫瑰图答案：ABCD2.4在PowerBI中，可创建“计算列”的DAX函数有：A.SUM B.CALCULATE C.RELATED D.IF答案：CD2.5下列属于Python可视化交互库的有：A.Plotly B.Bokeh C.Altair D.Pyecharts答案：ABCD3.填空题（每空2分，共20分）3.1在Pandas中，将字符串列date转为datetime类型并设为索引，一行代码为：df.date=pd.to_datetime(df.date);df=df.set_index('date')3.2使用NumPy计算两个数组a、b的皮尔逊相关系数，代码为：np.corrcoef(a,b)[0,1]3.3在Matplotlib里，设置图例字体大小为12的代码：plt.legend(fontsize=12)3.4SQL语句：SELECTPERCENTILE_CONT(0.5)WITHINGROUP(ORDERBYscore)FROMexam;返回的是：score的中位数3.5在Scikit-learn中，使用Pipeline将StandardScaler与LogisticRegression串起来，代码片段：fromsklearn.pipelineimportPipelinepipe=Pipeline([('sc',StandardScaler()),('clf',LogisticRegression())])3.6在Seaborn中，绘制核密度估计图的函数是：sns.kdeplot3.7Tableau计算字段里，将字符串“2026-06-01”转为日期函数：DATE("2026-06-01")3.8对DataFramedf按列x升序、列y降序排序，代码：df.sort_values(['x','y'],ascending=[True,False])3.9使用Python获取当前工作目录的OS模块命令：os.getcwd()3.10在JupyterNotebook中，查看当前变量占用内存的魔术命令：%whos4.判断题（每题1分，共10分；正确写“T”，错误写“F”）4.1t-SNE可用于高维稀疏文本向量降维并直接解释维度含义。 F4.2在Pandas里，df.groupby('city').size()返回Series，索引为city。 T4.3使用Seaborn的sns.heatmap()时，参数annot=True可在格子里显示数值。 T4.4对右偏分布取对数后，偏度一定变为负值。 F4.5SQL的窗口函数不能和GROUPBY同时出现在同一查询块。 F4.6Plotly生成的html可离线嵌入网页且无需额外JS文件。 T4.7在PowerBI中，度量值必须使用聚合函数。 F4.8使用PCA降维后，主成分方向彼此正交。 T4.9在Matplotlib中，plt.savefig('fig.png',dpi=300)将分辨率设为300dpi。 T4.10在Python中，deldf可立即释放DataFrame占用的全部内存。 F5.简答题（共25分）5.1（封闭型，5分）写出Python代码：对DataFramedf，计算每列缺失率并按降序排列，返回Series。答案：```pythonmissing_rate=df.isna().mean().sort_values(ascending=False)```5.2（开放型，6分）描述箱线图五个统计量的含义，并说明如何利用箱线图识别异常值。答案：下边缘（Q1-1.5IQR）、下四分位数Q1、中位数、上四分位数Q3、上边缘（Q3+1.5IQR）。异常值判定：小于Q1-1.5IQR或大于Q3+1.5IQR的观测值在图中以单独点呈现，可快速识别潜在异常。5.3（封闭型，6分）给定SQL表sales(date,amount)，写查询计算7日移动平均销售额。答案：```sqlSELECTdate,AVG(amount)OVER(ORDERBYdateROWSBETWEEN6PRECEDINGANDCURRENTROW)ASma7FROMsales;```5.4（开放型，8分）阐述使用PCA前为何需要标准化，并说明在什么场景下可跳过标准化。答案：PCA受量纲影响，若变量尺度差异大，大尺度变量会主导主成分方向，导致解释偏差。标准化使各变量处于同一尺度，确保主成分反映真实方差结构。可跳过场景：所有变量已同单位且尺度接近，例如均为已归一化的图像像素值（0-255）或相关系数矩阵出发的PCA。6.应用题（共60分）6.1数据清洗与特征工程（计算类，15分）文件：telco.csv，包含customerID、tenure、MonthlyCharges、TotalCharges、Churn等。任务：①读取并检查TotalCharges列存在“空格”字符串，将其替换为NaN后转为float。（3分）②计算tenure为0且TotalCharges缺失的比例。（3分）③构造新特征：AvgMonthlyCharge=TotalCharges/(tenure+1e-3)，处理tenure=0时的除零风险。（4分）④对Churn做标签编码，0=No，1=Yes，返回编码后Series。（3分）⑤将清洗后数据保存为telco_clean.csv，不含index。（2分）答案：```pythonimportpandasaspddf=pd.read_csv('telco.csv')df.TotalCharges=pd.to_numeric(df.TotalCharges.replace('',pd.NA),errors='coerce')ratio=df[(df.tenure==0)&(df.TotalCharges.isna())].shape[0]/df.shape[0]df['AvgMonthlyCharge']=df.TotalCharges/(df.tenure+1e-3)df['Churn']=df.Churn.map({'No':0,'Yes':1})df.to_csv('telco_clean.csv',index=False)```6.2可视化设计（分析类，15分）沿用telco_clean.csv，完成：①绘制MonthlyCharges与tenure的联合分布图，要求叠加Churn色调，并加回归线。（5分）②绘制AvgMonthlyCharge的分布密度图，按Churn分面，透明度0.5。（5分）③写一段不超过80字的解读，指出哪组客户AvgMonthlyCharge更高。（5分）答案：```pythonimportseabornassns,matplotlib.pyplotaspltsns.jointplot(data=df,x='tenure',y='MonthlyCharges',hue='Churn',kind='reg')g=sns.FacetGrid(df,col='Churn',height=4)g.map(sns.kdeplot,'AvgMonthlyCharge',fill=True,alpha=0.5)plt.show()```解读：Churn=1的客户密度峰位于更高AvgMonthlyCharge区间，表明流失客户平均月账单更高。6.3交互式仪表盘（综合类，15分）使用PlotlyDash构建Web应用：需求：①下拉菜单选择“性别”或“是否老年人”作为分面维度。（5分）②左侧散点图展示MonthlyChargesvstenure，颜色映射Churn。（5分）③右侧放置箱线图展示同一维度下TotalCharges分布。（5分）提交app.py核心代码（不超过60行）。答案：```pythonimportdash,pandasaspd,plotly.expressaspxfromdashimporthtml,dccdf=pd.read_csv('telco_clean.csv')app=dash.Dash(__name__)app.layout=html.Div([dcc.Dropdown(id='dim',options=[{'label':i,'value':i}foriin['gender','SeniorCitizen']],value='gender',clearable=False),dcc.Graph(id='scatter'),dcc.Graph(id='box')])@app.callback([dash.dependencies.Output('scatter','figure'),dash.dependencies.Output('box','figure')],[dash.dependencies.Input('dim','input')])defupdate(d):return(px.scatter(df,x='tenure',y='MonthlyCharges',color='Churn',facet_col=d),px.box(df,x=d,y='TotalCharges',color='Churn'))if__name__=='__main__':app.run_server(debug=True)```6.4时间序列预测（计算+分析类，15分）文件：airline.csv，列date、passengers。任务：①将date转为月度PeriodIndex，按‘M’频率。（3分）②使用statsmodels的STL分解，period=12，输出趋势、季节、残差图。（5分）③以趋势+季节做未来12期预测，计算MAPE。（5分）④写结论：残差是否近似白噪声？（2分）答案：```pythonimportpandasaspd,matplotlib.pyplotaspltfromstatsmodels.tsa.seasonalimportSTLfromstatsmodels.tsa.forecasting.thetaimportThetaModeldf=pd.read_csv('airline.csv',parse_dates=['date'])ts=df.set_index('date')['passengers'].to_period('M')stl=STL(ts,period=12).fit()stl.plot();plt.show()pred=stl.trend+stl.seasonalfuture=pd.period_range(ts.index[-1]+1,periods=12,freq='M')mape=(abs(ts[-12:]pred[-12:])/ts[-12:]).mean()100mape=(abs(ts[-12:]pred[-12:])/ts[-12:]).mean()100print('MAPE:',mape)```结论：残差ACF在滞后1-12阶基本落在95%置信带内，可近似视为白噪声。7.综合案例（30分）背景：某零售企业提供2024-2025两年订单明细order_detail.csv（order_id,product_id,quantity,price,order_date,customer_id,region）。要求：①数据加载与探索：计算各region月度销售额，并找出销售额环比增幅最大的月份与地区。（8分）②可视化：用Altair绘制交互折线，x轴月份，y轴销售额，颜色region，悬停提示环比增幅。（8分）③客户细分：使用RFM模型，以2025-06-30为观察点，计算R(Recency)、F(Frequency)、M(Monetary)，并用K-Means聚为4类，输出每类人数及平均M。（8分）④策略建议：基于聚类结果，为平均M最高类写不超过100字的精准营销方案。（6分）答案：①```pythonimportpandasaspd,numpyasnpdf=pd.read_csv('order_detail.csv',parse_dates=['order_date'])df['sales']=df.quantitydf.pricedf['sales']=df.quantitydf.pricemonth_sales=(df.assign(ym=df.order_date.dt.to_period('M')).groupby(['region','ym'])['sales'].sum().reset_index())month_sales['lag']=month_sales.groupby('region')['sales'].shift(1)month_sales['gr']=(month_sales['sales']month_sales['lag'])/month_sales['lag']max_row=month_sales.loc[month_sales['gr'].idxmax()]print(max_row[['region','ym','gr']])```②```python