2025浙江临海市大数据运营有限公司招聘4人笔试历年难易错考点试卷带答案解析

2025浙江临海市大数据运营有限公司招聘4人笔试历年难易错考点试卷带答案解析一、选择题从给出的选项中选择正确答案（共50题）1、在数据清洗过程中，最常用于处理重复和异常值的工具是？

A.ETL（抽取、转换、加载）技术

B.数据去重算法

C.正则表达式匹配

D.数据可视化平台2、以下哪项不属于实时数据可视化工具？

A.Tableau

B.PowerBI

C.Python的Matplotlib库

D.Excel动态图表3、浙江省“十四五”规划明确提出，到2025年数字经济核心产业增加值占GDP比重达到（）。

A.8%

B.9%

C.10%

D.12%4、大数据运营岗位中，处理非结构化数据时最常用且效率较高的技术工具是（）。

A.SQL数据库

B.Python编程

C.MySQL查询

D.Excel表格5、在数据清洗过程中，发现某字段存在大量缺失值，以下哪种处理方式最可能导致数据信息丢失？

A.直接删除包含缺失值的记录

B.用字段均值填充缺失值

C.采用插值法或外部数据补充

D.标记缺失值为特殊符号后保留6、大数据运营中，若需分析2020-2025年某城市季度GDP变化趋势，最合适的可视化图表是？

A.柱状图

B.饼图

C.折线图

D.散点图7、在数据清洗过程中，以下哪项不属于关键步骤？

A.去重处理、缺失值填补、异常值检测、格式标准化

B.数据加密、格式统一、字段拆分

C.数据脱敏、逻辑校验、完整性检查

D.文本分类、数值归一化、时间序列对齐A.数据清洗的完整流程B.数据预处理的基础操作C.数据质量评估的核心环节D.数据标准化的高级技巧8、某公司计划处理10TB的日志数据，要求10分钟内完成初步清洗。以下技术方案中最适合的是（）

A.HadoopMapReduce

B.SparkSQL

C.Flink流处理

D.MySQL数据库A.HadoopMapReduceB.SparkSQLC.Flink流处理D.MySQL数据库9、以下哪种加密技术主要用于数据传输中的密钥交换？（）

A.AES-256

B.RSA

C.SHA-256

D.DSAA.AES-256B.RSAC.SHA-256D.DSA10、A.Hadoop分布式文件系统

B.SparkSQL引擎

C.Flink流处理框架

D.MySQL关系型数据库11、A.对缺失值进行均值填充

B.通过箱线图识别异常值

C.使用聚类算法合并重复记录

D.对数值型数据进行归一化12、以下哪项不属于数据清洗中的关键步骤？

A.缺失值处理

B.异常值检测

C.数据格式标准化

D.字段删除A.缺失值处理B.异常值检测C.字段删除D.数据格式标准化13、在数据清洗环节，以下哪项操作属于处理无效数据的关键步骤？（A）删除重复记录（B）填充缺失值（C）统一数据格式（D）建立索引结构A.删除重复记录B.填充缺失值C.统一数据格式D.建立索引结构14、大数据分析中，以下哪种工具最适用于动态交互式数据可视化？（A）Excel（B）Tableau（C）SPSS（D）HiveA.ExcelB.TableauC.SPSSD.Hive15、大数据处理中，HDFS和YARN分别负责什么功能？

A.HDFS管理存储，YARN管理计算资源

B.HDFS管理计算，YARN管理存储

C.HDFS和YARN均负责存储

D.HDFS和YARN均负责计算16、数据清洗中，缺失值处理哪种方法适用于数据量较小且缺失随机的情况？

A.删除缺失样本

B.填充固定值（如0）

C.插值法（如线性插值）

D.使用均值替代17、在数据清洗过程中，若发现某字段存在大量缺失值，下列处理方式最合理的是？A.直接删除包含该字段的所有数据B.将缺失值统一填充为0C.删除缺失值后重新分配字段均值D.删除缺失值或采用更合理的填充方式（如均值/中位数/插值法）18、以下哪种算法属于非对称加密技术？A.AES（高级加密标准）B.RSAC.SHA-256（安全哈希算法）D.DES（数据加密标准）19、大数据处理流程中，数据清洗和转换的顺序通常遵循以下原则：A.清洗→转换B.转换→清洗C.清洗与转换同时进行D.清洗与转换无顺序要求20、大数据存储技术中，以下哪项是分布式文件系统的核心组件？

A.HDFS

B.Hive

C.HBase

D.Spark21、数据清洗阶段中，以下哪项属于典型难点？

A.数据标准化

B.缺失值处理

C.关联分析

D.数据可视化22、大数据处理框架Hadoop和Spark的主要区别在于（）

A.Hadoop支持分布式存储，Spark支持分布式计算

B.Hadoop适用于实时处理，Spark适用于批处理

C.Spark基于内存计算，Hadoop基于磁盘计算

D.Hadoop使用Java，Spark使用ScalaA.Hadoop的HDFS是分布式存储系统，而Spark提供DataFrameAPI简化数据处理B.Spark通过内存计算实现低延迟，适合流式计算和交互式查询C.HadoopMapReduce适合处理海量数据，但Spark的SparkSQL优化了SQL查询效率D.两者均采用Java虚拟机，Spark扩展了Scala编程语言23、数据清洗阶段中，以下哪项属于基础性处理步骤（）

A.使用Python编写自动化清洗脚本

B.对缺失值进行插补或删除

C.将非结构化文本转为结构化数据库

D.利用聚类算法识别异常数据A.数据清洗需结合业务场景设计算法，脚本开发属于实施阶段B.缺失值处理是数据清洗第一步，需评估数据分布决定方法C.异常值检测依赖统计方法或机器学习模型，需多维度验证D.数据格式转换是数据清洗的后续环节，需在清洗后统一存储24、大数据实时分析通常采用哪种计算框架？A.HadoopB.SparkC.FlinkD.Kafka25、数据清洗中处理缺失值时，以下哪种方法可能导致数据多样性降低？A.删除缺失行B.用均值填充C.用中位数填充D.用众数填充26、某公司使用分布式系统处理每日10TB用户行为数据，需要选择适合的框架进行实时分析。以下哪项是主要考虑因素？

A.存储结构固定，扩展性强

B.内存计算优先，支持迭代算法

C.文件格式支持性强，适合离线处理

D.支持流批一体，低延迟响应A.HadoopB.SparkC.HBaseD.Flink27、数据清洗阶段发现某字段30%为缺失值，以下哪种方法既能保留数据量又可减少偏差？

A.直接删除缺失记录

B.用均值替代缺失值

C.构建新特征标记缺失

D.基于业务规则赋默认值A.删除法B.填充法C.标记法D.规则法28、大数据清洗中，处理缺失值时最不可取的做法是（）

A.对缺失值进行均值填充

B.删除包含缺失值的记录

C.将缺失值标记为"未知"

D.忽略缺失值直接分析A.均值填充可能引入偏差B.删除记录可能导致数据不完整C.标记"未知"便于后续分析D.忽略缺失值会降低分析准确性29、Hadoop分布式系统中，负责存储数据副本的是（）

A.NameNode

B.DataNode

C.ResourceManager

D.NodeManagerA.NameNode管理元数据B.DataNode存储实际数据C.ResourceManager分配资源D.NodeManager监控节点30、大数据技术架构的核心组件通常包括哪些？A.Hadoop、Spark、Kafka、FlinkB.Hadoop、Spark、Hive、HBaseC.HDFS.MapReduce、ZooKeeper、YARND.ETL工具、数据仓库、BI平台、可视化工具31、大数据数据处理流程中的关键环节是？A.数据清洗B.ETL（抽取、转换、加载）C.数据建模D.数据可视化32、某公司采用差分隐私技术对用户行为日志进行脱敏，该技术通过（）实现数据可用性与隐私保护的平衡。

A.数据掩码

B.哈希加密

C.添加随机噪声

D.列级加密33、根据《个人信息保护法》，处理生物识别、行踪轨迹等敏感个人信息时，应（）并取得单独同意。

A.明确告知并征得同意

B.仅通过自动化决策实施

C.仅在合同履行时处理

D.无需特殊程序34、根据《浙江省数字经济核心产业统计分类（2023版）》，下列哪项属于数字经济核心产业？

A.电子商务平台运营

B.大数据平台开发

C.传统制造业数字化转型

D.物联网设备生产35、大数据清洗阶段中，发现某字段存在大量缺失值（超过80%），通常应采取哪种处理方式？

A.直接删除该字段

B.用字段均值填充

C.用众数填充

D.新增虚拟字段标记缺失A.直接删除该字段B.用字段均值填充C.用众数填充D.新增虚拟字段标记缺失36、在数据清洗过程中，针对缺失值处理最合适的策略是（）

A.直接删除包含缺失值的记录

B.用平均值或中位数填充缺失值

C.综合业务场景选择删除、填充或标记

D.忽略缺失值不影响后续分析A.直接删除B.用均值/中位数填充C.业务场景决定策略D.无需处理37、在数据清洗过程中，处理缺失值时最稳妥的方法是（）。A.直接删除包含缺失值的记录B.用该字段的均值替换缺失值C.用其他相关字段的均值替换D.用历史相似样本的值填充38、大数据分析中，用于预测用户购买行为倾向的机器学习算法通常是（）。A.线性回归B.决策树C.聚类分析D.时间序列预测39、在数据清洗过程中，正确的处理顺序是（）

A.缺失值处理→异常值处理→重复值处理

B.重复值处理→缺失值处理→异常值处理

C.异常值处理→缺失值处理→重复值处理

D.缺失值处理→重复值处理→异常值处理40、大数据处理框架Spark与Hadoop的核心组件差异在于（）

A.HDFS与MapReduce

B.RDD与DataFrame

C.HBase与Hive

D.YARN与ZooKeeper41、在数据清洗过程中，若发现某字段存在大量缺失值且无法补全，正确的处理方法是（）

A.删除包含缺失值的记录

B.用均值或中位数填充缺失值

C.将字段类型改为文本标注缺失

D.直接跳过该字段后续分析42、关于机器学习算法的分类，以下哪项属于非监督学习（）

A.线性回归预测房价

B.K-means聚类用户分群

C.决策树识别欺诈交易

D.随机森林评估贷款风险43、某企业处理用户订单数据时，为保护隐私需对敏感信息进行技术处理，以下哪种方法属于数据脱敏技术？A.数据清洗B.数据压缩C.数据脱敏D.数据加密44、云计算服务模型中，PaaS（PlatformasaService）主要面向哪些用户群体？A.硬件采购者B.应用开发者C.数据分析师D.管理层决策者45、在数据清洗阶段，最常被忽视的环节是（）

A.去重与缺失值填充

B.特征工程与标准化

C.数据存储与归档

D.异常值检测与处理A.数据存储与归档B.异常值检测与处理C.特征工程与标准化D.去重与缺失值填充46、大数据隐私保护技术中，能有效实现"数据可用不可见"的核心方法是（）

A.数据脱敏

B.差分隐私

C.隐私计算

D.数据匿名化A.差分隐私B.数据脱敏C.隐私计算D.数据匿名化47、大数据清洗阶段中，以下哪项不属于关键处理步骤？（）

A.去重

B.缺失值处理

C.异常值检测

D.数据格式标准化A.仅B和CB.仅DC.仅A和DD.全部都需要48、Hadoop生态系统中，以下哪组属于Hadoop核心组件？（）

A.HDFS和MapReduce

B.Hive和Spark

C.HBase和ZooKeeper

D.YARN和KafkaA.仅AB.仅BC.仅CD.仅D49、在数据清洗过程中，发现某字段存在大量缺失值，以下处理方法最合理的是（）

A.直接删除包含该字段的记录

B.用字段均值或中位数填充缺失值

C.在缺失值处标记特殊符号

D.与业务方确认后补充完整数据A.删除记录B.均值填充C.标记符号D.补充数据50、在数据清洗阶段，若发现某字段存在大量重复记录，应优先采取以下哪种措施？

A.直接删除整个字段

B.数据去重

C.更新为标准值

D.转换为分类标签B.数据去重

参考答案及解析1.【参考答案】B【解析】数据清洗的核心任务包括去重和异常值处理。选项A是数据处理的整体流程，B是具体技术手段，C适用于文本格式异常检测，D属于数据分析环节。数据去重算法（如哈希表、唯一值函数）能有效识别并消除重复记录，是清洗环节的基础操作。2.【参考答案】C【解析】实时可视化工具需具备动态更新和交互能力。Tableau和PowerBI支持实时数据连接，Excel动态图表可通过数据刷新实现，而Python的Matplotlib库需手动调用更新函数，属于离线静态可视化工具。实时数据场景下，C选项无法满足即时展示需求。3.【参考答案】C【解析】本题考查浙江省数字经济政策核心指标。根据浙江省政府发布的《“十四五”数字经济发展规划》，明确要求2025年数字经济核心产业增加值占GDP比重达到10%，是地方数字经济政策的关键考核目标。选项A和B为阶段性目标，D为长期规划数值，均不符合规划原文表述。4.【参考答案】B【解析】本题考察大数据处理技术工具的应用场景。SQL和MySQL主要用于结构化数据处理，Excel表格适用于小规模数据操作，而非结构化数据（如文本、图像）需通过Python等编程语言结合NLP、计算机视觉等技术进行深度处理。选项B是大数据分析领域主流工具，符合实际工作需求。5.【参考答案】A【解析】选项A会直接减少样本量，导致数据多样性下降。选项B适用于数值分布均匀的场景，但可能引入偏差；选项C通过补充信息保留数据量；选项D虽保留数据但需后续处理。最佳实践是优先保留数据，再结合业务逻辑选择填充或删除策略。6.【参考答案】C【解析】选项C折线图能清晰展示时间序列的连续变化趋势，适用于GDP季度数据。选项A柱状图适合对比不同类别，选项B饼图展示比例关系，选项D散点图分析变量间相关性。大数据分析中趋势分析优先使用折线图或面积图，本题正确答案为C。7.【参考答案】A【解析】选项A涵盖数据清洗的核心步骤：去重（消除重复记录）、缺失值填补（处理空缺数据）、异常值检测（识别不合理数值）和格式标准化（统一数据格式）。选项B的“数据加密”属于安全防护环节，与清洗无关；选项C的“数据脱敏”属于隐私保护措施；选项D的“文本分类”属于数据挖掘阶段。本题易错点在于混淆清洗与预处理、安全防护等不同环节。8.【参考答案】A【解析】HadoopMapReduce适用于大规模批量数据处理，10TB数据量较大且需10分钟内完成，适合分布式集群处理；SparkSQL优化了SQL查询性能，但更适合中低数据量或交互式查询；Flink流处理用于实时数据，但清洗非实时场景；MySQL是关系型数据库，无法处理10TB级数据。9.【参考答案】B【解析】RSA是公钥加密算法，用于密钥交换和数字签名；AES-256是对称加密算法，直接加密数据；SHA-256和DSA是哈希算法和数字签名算法，不涉及加密。数据传输中常用RSA协商密钥后，再用对称加密（如AES）传输数据，故选B。10.【参考答案】B【解析】SparkSQL基于内存计算优化，适用于实时数据分析场景。Hadoop（A）主要处理离线批处理，Flink（C）擅长流式计算但需配置，MySQL（D）为传统数据库。正确选项为B。11.【参考答案】B【解析】数据清洗的核心是修复质量问题。B选项通过可视化或统计方法识别异常值，属于必要步骤。A选项为缺失值处理手段，但需结合业务场景判断是否合理；C选项属于数据整合步骤；D选项是数据转换操作。正确选项为B。12.【参考答案】B【解析】数据清洗的核心步骤包括字段删除（D）、缺失值处理（A）、数据格式标准化（C）。异常值检测（B）属于数据预处理阶段，而非清洗阶段，易被混淆。临海市大数据笔试常考此易错点，需注意流程划分。13.【参考答案】A【解析】数据清洗的核心目标是修正或剔除错误数据。删除重复记录（A）是基础性操作，能有效避免冗余信息干扰后续分析；填充缺失值（B）和统一数据格式（C）属于数据修正的具体手段，但非直接处理无效数据的根本步骤。建立索引（D）属于数据存储优化技术，与清洗无关。本题考察对清洗环节核心任务的认知，易错点在于混淆基础处理与辅助修正操作。14.【参考答案】B【解析】Tableau（B）以拖拽式界面和实时数据联动著称，支持动态仪表盘制作与多维度钻取分析，是商业智能领域主流的可视化工具。Excel（A）虽功能全面但交互性较弱，SPSS（C）侧重统计分析而非可视化呈现，Hive（D）是分布式计算框架，与可视化无直接关联。本题易错点在于混淆分析工具与可视化工具的功能边界，需注意题干中"动态交互式"的限定条件。

（总字数：298字）15.【参考答案】A【解析】HDFS（HadoopDistributedFileSystem）负责分布式存储管理，YARN（YetAnotherResourceNegotiator）负责集群资源调度和计算任务管理。选项A正确描述了两者的核心职责，B、C、D均混淆了功能定位。16.【参考答案】C【解析】插值法通过利用相邻或相关变量的数据推测缺失值，适合小样本且缺失随机场景。删除样本（A）会损失数据，填充固定值（B）可能导致偏差，均值替代（D）仅适用于数值分布均匀的数据。选项C科学性最强，符合大数据清洗最佳实践。17.【参考答案】D【解析】选项D是数据清洗中处理缺失值的最佳实践。删除所有数据（A）会大幅减少样本量，且未考虑缺失值的分布；填充0（B）可能导致数据分布偏移。选项C仅适用于少量缺失且数据分布稳定的情况，而D提出的删除或采用统计方法填充更符合实际需求，能有效保留数据价值并降低分析偏差。18.【参考答案】B【解析】非对称加密依赖公钥和私钥对，典型代表是RSA（B）。对称加密算法如AES（A）、DES（D）依赖单一密钥，而SHA-256（C）是哈希算法，用于数据完整性校验。考生易混淆对称与非对称分类，需结合算法核心机制判断：非对称加密解决密钥分发问题，适合身份认证和数字签名场景。19.【参考答案】A【解析】大数据处理流程遵循"清洗→转换→加载"的标准化步骤。数据清洗是首要环节，用于剔除噪声数据、处理缺失值和异常值；转换阶段则进行格式标准化、特征工程等深度加工。若先进行转换会因原始数据质量问题导致后续处理失效。因此正确选项为A。20.【参考答案】A【解析】HDFS（HadoopDistributedFileSystem）是Hadoop生态系统的核心组件，采用分布式架构实现高容错性和海量数据存储。Hive基于HDFS构建，用于数据仓库管理；HBase是列式数据库；Spark是内存计算框架。因此正确答案为A。21.【参考答案】B【解析】数据清洗的核心难点是处理缺失值和异常值。缺失值可能由数据采集错误或缺失导致，需采用插补、删除或标记等方法；异常值需通过统计方法（如3σ原则）或业务规则识别。数据标准化（A）和关联分析（C）属于清洗后的处理阶段，数据可视化（D）是呈现环节。因此正确答案为B。22.【参考答案】C【解析】Hadoop的核心是HDFS（分布式文件系统）和MapReduce（批处理框架），而Spark通过内存计算（RDMA技术）提升效率，C选项正确。A错误因Hadoop也支持计算；B混淆了两者适用场景；D错误因Spark支持多语言，但Java仍是主流。23.【参考答案】B【解析】数据清洗的核心步骤是处理缺失值（B）和异常值（C），其中缺失值处理优先级更高。A选项属于技术实现，非核心步骤；D选项属于异常检测，需在清洗后进行；C选项的格式转换属于数据集成阶段。24.【参考答案】B【解析】Spark支持内存计算和流处理，适合低延迟的实时数据分析，而Hadoop基于HDFS的批处理模型更适合离线任务。Flink虽支持流处理，但实时性弱于Spark；Kafka是消息队列工具，不直接处理分析任务。此题易错点在于混淆实时计算框架与存储/传输工具。25.【参考答案】A、B【解析】删除缺失行会减少样本量，直接损失数据多样性；用均值/众数填充会掩盖真实分布特征（如正态分布数据用均值填充后标准差缩小）。中位数填充对异常值鲁棒性更强，但同样会轻微改变数据分布。易错点在于误认为所有填充方法均无害，而忽略极端值场景下的多样性损失。26.【参考答案】B【解析】Spark的内存计算特性（选项B）使其在实时分析场景中效率显著高于Hadoop（A选项），后者以HDFS存储为主，适合离线批处理。Flink（D）虽支持流处理，但实时迭代算法优化不如Spark成熟。HBase（C）属于列式数据库，不直接参与计算框架选择。27.【参考答案】B【解析】删除法（A）会导致数据量减少且可能引入偏差，标记法（C）虽保留数据但增加分析复杂度。规则法（D）需明确业务逻辑，而均值填充（B）通过统计学方法降低偏差，是平衡数据完整性与分析准确性的常用方案。28.【参考答案】D【解析】大数据清洗中，忽略缺失值（D）会直接导致数据质量下降，无法准确反映真实情况。选项A均值填充虽常见但可能引入偏差（如异常值影响）；选项B删除记录虽彻底但可能丢失有用信息；选项C标记"未知"是合理过渡方案。因此D是错误做法，易因数据完整性不足影响后续分析。29.【参考答案】B【解析】Hadoop架构中，NameNode（A）仅管理HDFS文件系统的元数据（如块位置），而DataNode（B）实际存储用户数据块。ResourceManager（C）属于YARN资源管理框架，NodeManager（D）是YARN的容器管理器。因此正确答案是B，DataNode负责数据存储，此为HDFS核心设计原则，历年考试易混淆NameNode与DataNode职能。30.【参考答案】C【解析】大数据技术架构的核心组件为分布式存储（HDFS）、计算框架（MapReduce）、协调服务（ZooKeeper）和资源管理（YARN）。选项A中的Kafka和Flink属于流处理工具，选项B的Hive和HBase是Hadoop生态组件，选项D是数据处理流程中的工具而非架构核心。31.【参考答案】B【解析】ETL是连接数据源与目标系统的核心环节，负责数据抽取、清洗转换后加载到存储系统。选项A是ETL子步骤，选项C是数据建模阶段，选项D属于数据呈现环节。大数据处理流程通常遵循"数据采集→ETL→存储→分析→可视化"的路径。32.【参考答案】C【解析】差分隐私通过向原始数据添加可控随机噪声，确保个体信息无法被还原，是大数据脱敏的核心技术。数据掩码（A）仅隐藏部分字段，哈希加密（B）侧重数据安全性而非隐私计算，列级加密（D）属于数据分类保护手段。33.【参考答案】A【解析】《个人信息保护法》第21条明确规定，处理生物识别、行踪轨迹等敏感个人信息需单独同意。选项A符合法律要求，其他选项违反"单独同意"原则。例如，自动化决策（B）需说明逻辑并保障用户权益，合同履行（C）仍需遵循单独同意程序。34.【参考答案】B【解析】数字经济核心产业包括电子信息制造业、现代信息服务业等五大类。大数据平台开发属于现代信息服务业范畴，而电子商务平台运营（A）和物联网设备生产（D）属于电子信息制造业，传统制造业数字化转型（C）是产业升级应用，均不直接归类为核心产业。浙江省2023年统计分类明确将大数据平台开发列为核心产业，故选B。35.【参考答案】D【解析】缺失值处理需结合业务场景：若缺失比例过高（如80%），直接删除（A）可能丢失有效数据，均值/众数填充（B/C）会引入偏差。新增虚拟字段（D）既能保留原始数据分布，又可通过后续分析识别缺失模式，是大数据清洗中的标准处理方法。该原则适用于统计学和机器学习预处理场景，符合《数据清洗技术规范（GB/T38667-2020）》要求。36.【参考答案】C【解析】选项C正确，数据清洗需结合业务场景判断缺失值影响程度。删除（A）可能导致样本量不足，填充（B）可能引入偏差，忽略（D）会降低数据质量。例如金融风控中缺失客户收入字段需删除，而缺失日期字段可用业务中位数填充。37.【参考答案】A【解析】数据清洗中缺失值处理需根据数据分布和业务场景选择方法。选项A直接删除缺失值可避免因均值/模式替换引入的统计偏差，尤其适用于缺失比例低或关键字段缺失的情况。选项B在数据分布不均衡时会导致替换值偏离真实分布；选项C依赖其他字段有效性，若关联字段本身存在缺失仍会失败；选项D需要建立复杂映射规则，实际操作成本高。因此删除缺失值是最普适且风险最低的处理方式。38.【参考答案】B【解析】决策树算法通过构建树状结构识别特征与目标变量（如购买行为）的关联规则，适合处理分类问题。线性回归（A）用于数值型预测（如销售额），不适用于行为倾向分类；聚类分析（C）用于无标签数据分组，无法预测具体行为；时间序列预测（D）侧重趋势分析，与用户个体行为关联度低。因此决策树是用户行为预测场景下的典型选择，其可解释性优势也符合企业风控需求。39.【参考答案】B【解析】数据清洗的典型流程是先删除或修正重复数据，再填补或剔除缺失值，最后处理异常值。若先处理缺失值，可能因重复数据导致缺失值重复出现；若先处理异常值，可能误删正常数据。例如，某用户ID为“123”的记录在清洗时若未先处理重复值，后续可能误将多个“123”视为异常。B选项顺序符合实际操作规范。40.【参考答案】B【解析】Spark核心组件是RDD（弹性分布式数据集）和DataFrame/DataSet，支持声明式编程；Hadoop依赖HDFS（分布式文件系统）和MapReduce（计算框架）。选项A是Hadoop的组件，C/D属于大数据生态工具。例如，Spark的DataFrame通过SQL语法或API高效转换数据，而Hadoop需依赖Hive等工具实现类似功能。B选项准确区分两者技术架构差异。41.【参考答案】C【解析】数据清洗中，缺失值处理需根据字段特性选择方案。若无法补全（如用户身份证号缺失），应保留原始数据结构，避免误删有效记录（排除A）。均值/中位数填充仅适用于数值型数据且