2026年数据分析师实践操作试卷及答案

2026年数据分析师实践操作试卷及答案一、单项选择题（每题1分，共20分）1.在Python中，下列哪个库最常用于构建机器学习模型？A.NumPyB.PandasC.Scikit-learnD.Matplotlib答案：C2.在SQL中，以下哪个语句用于删除表中的所有数据但保留表结构？A.DELETEFROMtable_nameB.DROPTABLEtable_nameC.TRUNCATETABLEtable_nameD.ALTERTABLEtable_name答案：C3.在数据清洗过程中，处理缺失值的常用方法不包括：A.删除缺失值B.均值填补C.中位数填补D.增加缺失值答案：D4.在回归分析中，R²的取值范围是：A.[-1,1]B.[0,1]C.[0,∞)D.(-∞,∞)答案：B5.在时间序列分析中，用于衡量预测误差的指标是：A.AICB.BICC.MAPED.VIF答案：C6.在Python中，使用Pandas读取CSV文件的函数是：A.read_csv()B.load_csv()C.open_csv()D.import_csv()答案：A7.在聚类分析中，K-means算法的目标函数是：A.最大化类内距离B.最小化类间距离C.最小化类内平方误差D.最大化类间平方误差答案：C8.在SQL中，以下哪个函数用于计算某列的平均值？A.COUNT()B.SUM()C.AVG()D.MAX()答案：C9.在Python中，以下哪个函数用于生成随机数？A.random()B.rand()C.randint()D.randomize()答案：A10.在数据可视化中，用于展示两个连续变量关系的图形是：A.饼图B.散点图C.柱状图D.箱线图答案：B11.在逻辑回归中，输出变量的类型是：A.连续型B.分类型C.时间型D.文本型答案：B12.在Python中，以下哪个函数用于查看DataFrame的前5行？A.head()B.top()C.first()D.preview()答案：A13.在SQL中，以下哪个关键字用于去重？A.UNIQUEB.DISTINCTC.GROUPBYD.LIMIT答案：B14.在特征工程中，标准化通常使用的统计量是：A.方差B.标准差C.均值和标准差D.中位数答案：C15.在Python中，以下哪个库用于绘制热力图？A.SeabornB.TensorFlowC.PyTorchD.Flask答案：A16.在回归模型中，多重共线性会导致：A.模型过拟合B.模型欠拟合C.系数估计不稳定D.模型无法训练答案：C17.在SQL中，以下哪个语句用于创建视图？A.CREATEVIEWB.MAKEVIEWC.BUILDVIEWD.DEFINEVIEW答案：A18.在Python中，以下哪个函数用于合并两个DataFrame？A.concat()B.merge()C.join()D.以上都可以答案：D19.在机器学习中，交叉验证的主要目的是：A.增加训练数据B.减少训练时间C.评估模型泛化能力D.提高模型复杂度答案：C20.在Python中，以下哪个函数用于计算皮尔逊相关系数？A.corr()B.cov()C.std()D.var()答案：A二、多项选择题（每题2分，共20分）21.以下哪些是Python中常用的数据可视化库？A.MatplotlibB.SeabornC.PlotlyD.ggplot答案：A、B、C22.以下哪些属于监督学习算法？A.决策树B.K-meansC.支持向量机D.线性回归答案：A、C、D23.以下哪些方法可以用于特征选择？A.相关系数法B.递归特征消除C.主成分分析D.Lasso回归答案：A、B、D24.以下哪些是SQL中的聚合函数？A.COUNT()B.SUM()C.AVG()D.GROUPBY答案：A、B、C25.以下哪些指标可用于评估分类模型？A.准确率B.召回率C.F1分数D.均方误差答案：A、B、C26.以下哪些属于时间序列的组成部分？A.趋势B.季节性C.周期性D.随机波动答案：A、B、C、D27.以下哪些操作可以在Pandas中对DataFrame进行？A.排序B.分组C.透视表D.合并答案：A、B、C、D28.以下哪些是Python中处理缺失值的函数？A.dropna()B.fillna()C.isnull()D.notnull()答案：A、B、C、D29.以下哪些属于非参数检验方法？A.Mann-WhitneyU检验B.Kruskal-Wallis检验C.t检验D.Wilcoxon符号秩检验答案：A、B、D30.以下哪些属于过拟合的表现？A.训练误差低，测试误差高B.模型复杂度过高C.训练误差高，测试误差低D.模型在训练集上表现极好答案：A、B、D三、填空题（每空1分，共20分）31.在Python中，使用________函数可以查看DataFrame的维度。答案：shape32.在SQL中，使用________语句可以对查询结果进行排序。答案：ORDERBY33.在回归分析中，________用于衡量预测值与真实值之间的平均平方误差。答案：MSE（均方误差）34.在Python中，使用________函数可以生成等差数组。答案：np.arange()或np.linspace()35.在聚类分析中，________算法不需要预先指定聚类个数。答案：DBSCAN36.在特征缩放中，________方法将特征值缩放到0和1之间。答案：Min-Max标准化37.在SQL中，________用于将多个查询结果合并为一个结果集。答案：UNION38.在Python中，使用________函数可以查看DataFrame的统计摘要。答案：describe()39.在逻辑回归中，使用________函数将线性组合映射到概率值。答案：sigmoid40.在时间序列预测中，________模型考虑了趋势和季节性。答案：Holt-Winters41.在Python中，使用________函数可以删除DataFrame中的重复行。答案：drop_duplicates()42.在SQL中，________用于限制返回的行数。答案：LIMIT43.在机器学习中，________是一种通过训练多个模型并结合其预测结果的方法。答案：集成学习44.在Python中，使用________函数可以将字符串转换为日期格式。答案：pd.to_datetime()45.在回归模型中，________用于衡量模型复杂度与拟合优度的平衡。答案：AIC或BIC46.在Python中，使用________函数可以查看缺失值的数量。答案：isnull().sum()47.在SQL中，________用于对结果进行分组统计。答案：GROUPBY48.在Python中，使用________函数可以将分类变量转换为哑变量。答案：pd.get_dummies()49.在数据可视化中，________图用于展示数据的分布情况。答案：箱线图或直方图50.在Python中，使用________函数可以保存模型到本地文件。答案：joblib.dump()或pickle.dump()四、简答题（每题5分，共30分）51.简述K-means聚类算法的基本步骤。答案：（1）随机选择K个初始聚类中心；（2）将每个样本分配到最近的聚类中心；（3）重新计算每个簇的聚类中心；（4）重复步骤2和3，直到聚类中心不再变化或达到最大迭代次数。52.简述过拟合与欠拟合的区别，并给出各自的解决方法。答案：过拟合：模型在训练集上表现很好，但在测试集上表现差。解决方法包括：增加数据、正则化、降维、交叉验证等。欠拟合：模型在训练集和测试集上都表现差。解决方法包括：增加模型复杂度、增加特征、减少正则化等。53.简述特征选择的重要性及常用方法。答案：特征选择可以减少模型复杂度、提高模型性能、减少训练时间。常用方法包括：过滤法（如相关系数）、包裹法（如递归特征消除）、嵌入法（如Lasso回归）。54.简述SQL中INNERJOIN与LEFTJOIN的区别。答案：INNERJOIN返回两个表中匹配的记录；LEFTJOIN返回左表所有记录，即使右表没有匹配记录，缺失部分用NULL填充。55.简述时间序列分析的步骤。答案：（1）数据收集与预处理；（2）可视化分析；（3）分解趋势、季节性和随机成分；（4）模型选择与训练；（5）模型评估与预测；（6）结果解释与应用。56.简述混淆矩阵的构成及其在分类模型评估中的作用。答案：混淆矩阵由TP、FP、TN、FN构成，用于计算准确率、召回率、F1分数等指标，帮助评估分类模型的性能。五、应用题（共60分）57.（计算题，10分）某电商公司过去12个月的销售额如下（单位：万元）：[120,135,140,155,160,170,180,185,190,200,210,220]请计算：（1）销售额的月平均增长率；（2）使用线性回归预测第13个月的销售额。答案：（1）月平均增长率=(220/120)^(1/11)1≈5.74%（2）设月份为x，销售额为y，x=1~12，y=120~220线性回归方程：y=9.39x+108.48第13个月预测值：y=9.39×13+108.48≈230.55万元58.（分析题，15分）某公司员工满意度调查数据如下：部门满意人数不满意人数技术部8020销售部6040行政部5050请：（1）计算各部门满意度比例；（2）使用卡方检验判断部门与满意度是否独立（α=0.05）；（3）给出结论。答案：（1）技术部：80%，销售部：60%，行政部：50%（2）卡方值=20，临界值=5.991，p<0.05（3）拒绝原假设，部门与满意度不独立。59.（综合题，20分）某银行希望构建客户违约预测模型，提供以下数据字段：客户ID、年龄、收入、贷款金额、信用评分、历史违约次数、是否违约（目标变量）。请：（1）描述数据预处理步骤；（2）选择合适的模型并说明理由；（3）说明模型评估指标；（4）给出模型部署建议。答案：（1）处理缺失值、异常值、标准化、编码分类变量、划分训练测试集；（2）选择逻辑回归或XGBoost，因目标为二分类，数据量适中；（3）使用AUC、准确率、召回率、F1分数；（4）使用Flask构建API，定期重训练，监控模型性能。60.（编程题，15分）请使用Python编写代码，完成以下任务：（1）读取CSV文件“sales.csv”；（2）计算每月销售额的总和；（3）绘制月度销售额折线图；（4）保存图表为“monthly_sales.png”。答案：```pythonimportpandasas