数据分析师2026年Python应用模拟试卷(附答案)

数据分析师2026年Python应用模拟试卷(附答案)一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在括号内）1.在Python的数据分析生态系统中，主要用于处理大规模结构化表格数据的库是（）。A.NumPyB.PandasC.MatplotlibD.Scikit-learn2.使用Pandas读取CSV文件时，若要忽略文件的第一行（通常是表头），应将参数设置为（）。A.header=0B.header=NoneC.header=1D.skiprows=13.下列关于NumPy数组维度的描述中，正确的是（）。A.一维数组的shape属性返回一个空元组B.二维数组的ndim属性值为2C.使用reshape方法可以改变数组的总元素数量D.数组的切片操作总是返回数据的副本4.在PandasDataFrame中，若要根据索引标签获取某一行数据，应使用（）。A.df.iloc[0]B.df.loc['row_label']C.df[0]D.df.ix['row_label']5.某DataFrame包含列'Age'，现需计算该列的中位数，下列代码正确的是（）。A.df['Age'].mean()B.df['Age'].median()C.df['Age'].middle()D.df.median()['Age']6.使用Matplotlib绘制折线图时，用于设置x轴标签的函数是（）。A.plt.title()B.plt.xlabel()C.plt.ylabel()D.plt.grid()7.在Pandas中，`groupby('Category').sum()`操作的主要作用是（）。A.按Category列对数据进行排序B.按Category列进行分组并计算数值列的总和C.按Category列筛选数据D.计算Category列的唯一值数量8.两个DataFramedf1和df2进行横向拼接（按列合并），且索引对齐，应使用（）。A.pd.concat([df1,df2],axis=0)B.pd.concat([df1,df2],axis=1)C.pd.merge(df1,df2,on='key')D.df1.join(df2,how='outer')9.若要将DataFrame中的所有缺失值（NaN）填充为0，正确的方法是（）。A.df.dropna()B.df.fillna(0)C.df.replace(np.nan,0)D.df.isnull()=010.下列哪个时间频率字符串代表“每工作日（周一至周五）”？（）A.'D'B.'W'C.'B'D.'M'11.在Seaborn库中，用于绘制两个数值变量之间关系的散点图，并拟合回归线的函数是（）。A.sns.scatterplot()B.sns.lineplot()C.sns.regplot()D.sns.heatmap()12.Pandas中`pd.cut()`函数的主要用途是（）。A.连续数值的离散化（分箱）B.字符串的切割C.缺失值的插补D.数据的标准化13.下列代码执行后，s的值是多少？importpandasaspds=pd.Series([1,2,3,4],index=['a','b','c','d'])print(s['b':'c'].sum())A.3B.5C.6D.914.在数据清洗过程中，若要检测DataFrame中是否存在重复行，应使用（）。A.df.duplicated()B.df.is_uniqueC.df.drop_duplicates()D.df.unique()15.NumPy中，生成一个3x3的单位矩阵（对角线为1，其余为0），应使用（）。A.np.zeros((3,3))B.np.ones((3,3))C.np.eye(3)D.np.full((3,3),1)16.当处理非常大的数据集时，为了节省内存，可以将数据类型转换为更节省空间的类型，例如将float64转换为（）。A.int64B.objectC.float32D.str17.在Matplotlib中，若要在一张画布上创建2行2列共4个子图，并选中第1个子图，代码是（）。A.plt.subplot(2,2,1)B.plt.subplot(1,2,1)C.plt.subplots(2,2)D.plt.plot(2,2,1)18.Pandas中，`df.apply(func,axis=1)`表示（）。A.将func应用于每一列B.将func应用于每一行C.将func应用于整个DataFrameD.将func应用于索引19.下列关于JSON数据处理的描述，错误的是（）。A.pd.read_json()可以将JSON字符串转换为DataFrameB.df.to_json()可以将DataFrame转换为JSON字符串C.orient参数可以指定JSON的格式D.Pandas无法直接读取嵌套的JSON数据20.在进行数据透视表操作时，`pd.pivot_table(data,values='D',index=['A','B'],columns=['C'],aggfunc=np.sum)`中，aggfunc的作用是（）。A.指定索引列B.指定列名C.指定聚合函数D.指定填充值二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码正确填在括号内。多选、少选、错选均不得分）1.下列属于Pandas核心数据结构的有（）。A.SeriesB.DataFrameC.PanelD.ArrayE.Matrix2.在Python数据分析流程中，常见的数据缺失值处理策略包括（）。A.删除缺失值B.均值/中位数填充C.插值法填充D.保留缺失值不处理E.将其转换为03.NumPy数组支持哪些高级索引方式？（）A.整数数组索引B.布尔数组索引C.切片索引D.花式索引E.字典键索引4.Matplotlib中设置图例的方法包括（）。A.plt.legend()B.ax.legend()C.在plot函数中添加label参数D.plt.title()E.plt.label()5.下列关于Pandas时间序列操作的描述，正确的有（）。A.pd.to_datetime()可以将字符串转换为时间戳B.resample()用于时间频率的重采样C.rolling()用于计算滚动窗口统计量D.shift()用于数据滞后或超前移动E.时间序列不能作为DataFrame的索引6.使用Seaborn绘制热力图时，常用的参数包括（）。A.dataB.annotC.cmapD.linewidthsE.kind7.Pandas中DataFrame的合并操作中，merge函数的how参数支持的模式有（）。A.'left'B.'right'C.'outer'D.'inner'E.'cross'8.下列哪些库是Python数据科学栈的重要组成部分？（）A.SciPyB.StatsmodelsC.Scikit-learnD.TensorFlowE.PyTorch9.在数据可视化中，用于展示数据分布情况的图表类型有（）。A.直方图B.箱线图C.小提琴图D.散点图E.饼图10.下列关于DataFrame描述性统计的方法，正确的有（）。A.describe()计算总数、均值、标准差等B.corr()计算相关系数矩阵C.cov()计算协方差矩阵D.value_counts()统计唯一值出现的频次E.mode()计算众数三、填空题（本大题共10小题，每小题2分，共20分。请将答案写在横线上）1.在NumPy中，创建一个从0到9的一维数组，可以使用函数`np.________(10)`。2.Pandas中，若要查看DataFrame的前5行数据，可以使用方法`df.________(5)`。3.在Matplotlib中，若要防止中文标签显示为乱码，通常需要设置字体属性，通过`plt.rcParams['font.________']`来指定中文字体。4.若要将两个Seriess1和s2按索引进行对齐相加，可以使用s1.________(s2)。5.在Pandas中，`pd.read_excel()`函数默认读取Excel文件的第一个工作表，若要读取名为“Sheet2”的工作表，需设置参数`sheet_name='________'`。6.Seaborn是基于Matplotlib的高级绘图库，它自带了一些美观的默认样式，可以通过`sns.________()`函数来设置整体风格，如'whitegrid'。7.在DataFrame中，若要根据条件筛选数据，例如筛选年龄大于30的记录，代码为`df[df['Age']________30]`。8.NumPy中，用于计算数组沿指定轴的标准差的函数是`np.________`。9.Pandas中，`df.melt()`函数用于将宽格式数据转换为________格式数据。10.在JupyterNotebook中，若要直接显示Matplotlib生成的图像，通常需要在代码开头添加魔术命令`%________inline`。四、简答题（本大题共5小题，每小题8分，共40分）1.请简述Pandas中`loc`和`iloc`索引器的区别，并分别给出一个示例。2.在数据分析中，数据标准化和归一化是常见的预处理步骤。请写出Min-Max归一化和Z-Score标准化的计算公式，并简述它们的应用场景差异。3.假设有一个DataFrame`df`，包含列`order_id`,`user_id`,`amount`,`order_date`。请写出使用Pandas计算每个用户的总消费额和平均消费额的代码。4.请解释什么是过拟合，以及在Python中（例如使用Scikit-learn时）通常有哪些方法可以防止过拟合？5.简述Matplotlib中面向对象绘图和pyplot状态机绘图的区别，并推荐在大规模绘图项目中使用哪种方式及理由。五、综合应用题（本大题共3小题，共50分。）1.电商销售数据分析（15分）某电商公司有一份2025年的销售记录文件`sales_data.csv`，包含以下字段：`date`:日期（格式：YYYY-MM-DD）`category`:商品类别（Electronics,Clothing,Home等）`price`:单价`quantity`:销售数量`payment`:支付方式（Alipay,WeChat,CreditCard）请利用Python（Pandas,Matplotlib/Seaborn）完成以下任务：(1)读取数据，将`date`列转换为时间格式，并将其设置为索引。（3分）(2)计算每个月的总销售额（销售额=price*quantity），并绘制2025年全年的月销售额趋势折线图，要求标记出最高销售额的月份。（6分）(3)统计不同支付方式的使用频次，并绘制一个水平条形图展示各支付方式的占比。（6分）2.用户行为漏斗分析（15分）给定一个包含用户页面访问日志的DataFrame`logs`，字段如下：`user_id`:用户ID`action`:行为类型（'view','cart','checkout','payment'）`timestamp`:时间戳(1)请计算每个环节的唯一用户数（即UV），并构建一个漏斗模型数据结构。（5分）(2)计算从上一个环节到下一个环节的转化率（例如，从'view'到'cart'的转化率）。（5分）(3)现在需要分析用户从'view'到'payment'的平均耗时（以小时为单位）。请写出计算思路或代码（假设每个用户只有一次完整的流程）。（5分）3.股票风险价值计算（20分）假设你是一名金融数据分析师，需要计算某只股票的历史风险价值。文件`stock_prices.csv`包含两列：`date`和`close_price`。(1)读取数据并计算日收益率。（提示：=）（5分）(2)假设日收益率服从正态分布，请计算置信水平为95%和99%的VaR（ValueatRisk）。请写出使用Scipy或NumPy进行计算的代码步骤。（5分）(3)绘制日收益率的直方图，并在图上添加核密度估计曲线（KDE），同时标记出计算出的95%VaR的位置（使用红色虚线）。（6分）(4)简要解释计算出的VaR值的实际含义。（4分）参考答案及解析一、单项选择题1.B2.D3.B4.B5.B6.B7.B8.B9.B10.C11.C12.A13.B14.A15.C16.C17.A18.B19.D20.C二、多项选择题1.AB2.ABC3.ABCD4.ABC5.ABCD6.ABCD7.ABCDE8.ABC9.ABC10.ABCDE三、填空题1.arange2.head3.sans-serif4.add5.Sheet26.set_style7.>8.std9.长(或long)10.matplotlib四、简答题1.答：`loc`是基于标签的索引，用于通过行标签和列名来选择数据。例如：`df.loc['row1','colA']`。`iloc`是基于整数位置的索引，用于通过行号和列号（从0开始）来选择数据。例如：`df.iloc[0,0]`。区别在于输入参数的类型不同，`loc`包含结束位置，`iloc`不包含结束位置（类似Python切片）。2.答：Min-Max归一化公式：=。将数据映射到[0,1]区间。常用于图像处理、距离计算（如KNN）等对数据范围敏感的场景。Z-Score标准化公式：=。将数据转换为均值为0，标准差为1的分布。常用于数据服从正态分布假设的算法（如SVM、逻辑回归）。差异：归一化对异常值敏感，标准化在存在异常值时表现更稳健，且保留了数据的分布结构信息。3.答：```pythonimportpandasaspd#假设df已存在#计算总消费额total_spending=df.groupby('user_id')['amount'].sum().reset_index(name='total_amount')#计算平均消费额avg_spending=df.groupby('user_id')['amount'].mean().reset_index(name='avg_amount')#合并结果result=pd.merge(total_spending,avg_spending,on='user_id')#或者使用agg一次性计算result_agg=df.groupby('user_id')['amount'].agg(['sum','mean']).reset_index()```4.答：过拟合是指模型在训练数据上表现很好，但在测试数据或新数据上表现较差的现象。原因是模型学习到了训练数据中的噪声和特有特征，过于复杂。防止方法：1.增加数据量。2.使用正则化（L1,L2正则）。3.简化模型（减少树的深度，减少神经网络层数/神经元）。4.交叉验证。5.早停法。6.集成方法。5.答：pyplot状态机绘图：通过`plt.plot()`等函数直接操作当前图形和轴，简单快捷，适合快速探索性数据分析。面向对象绘图：显式创建`Figure`和`Axes`对象（如`fig,ax=plt.subplots()`），通过调用对象的方法绘图。推荐：在大规模绘图项目中推荐面向对象方式。理由：代码更清晰，易于维护，可以精确控制每一个子图，避免了状态机隐藏状态带来的混淆，且便于封装成函数或类。五、综合应用题1.电商销售数据分析```pythonimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassns#(1)读取数据并处理日期df=pd.read_csv('sales_data.csv')df['date']=pd.to_datetime(df['date'])df.set_index('date',inplace=True)#(2)计算月销售额并绘图df['sales']=df['price']*df['quantity']monthly_sales=df['sales'].resample('M').sum()plt.figure(figsize=(10,6))plt.plot(monthly_sales.index,monthly_sales.values,marker='o')#标记最高销售额max_month=monthly_sales.idxmax()max_value=monthly_sales.max()plt.annotate(f'Max:{max_value:.0f}',xy=(max_month,max_value),xytext=(max_month,max_value+5000),arrowprops=dict(facecolor='red',shrink=0.05))plt.title('2025MonthlySalesTrend')plt.xlabel('Date')plt.ylabel('TotalSales')plt.grid(True)plt.show()#(3)支付方式频次条形图payment_counts=df['payment'].value_counts()plt.figure(figsize=(8,5))sns.barplot(x=payment_counts.values,y=payment_counts.index,orient='h')plt.title('PaymentMethodDistribution')plt.xlabel('Count')plt.show()```2.用户行为漏斗分析```pythonimportpandasaspd#假设logs已加载#(1)计算各环节UVfunnel_steps=['view','cart','checkout','payment']uv_data=[]forstepinfunnel_steps:count=logs[logs['action']==step]['user_id'].nunique()uv_data.append(count)funnel_df=pd.DataFrame({'step':funnel_steps,'uv':uv_data})#(2)计算转化率conversion_rates=[]foriinrange(1,len(funnel_df)):rate=funnel_df.loc[i,'uv']/funnel_df.loc[i-1,'uv']conversion_rates.append(rate)#输出转化率print(f"ConversionRates:{conversion_rates}")#(3)计算平均耗时(思路)#1.筛选出view和payment的行为#2.pivot_table或者groupby，将user_id作为索引，action作为列，timestamp作为值#3.计算差值view_time=logs[logs['action']=='view'].groupby('user_id')['timestamp'].min()payment_time=logs[logs['action']=='payment'].groupby('user_id')['timestamp'].min()#合并duration_df=pd.merge(view_time,payment_time,on='user_id',suffixes=('_view','_pay'))duration_df['duration_hours']=(duration_df['timestamp_pay']-duration_df['timestamp_