《数据可视化》习题及答案 项目二 搭建数据预处理标准流程

项目二搭建数据预处理标准流程（课后习题）一、单项选择题1.关于标签编码，下列说法正确的是（）。A.标签编码会强调类别之间的顺序关系B.在标签编码中，每个类别被分配的整数是有特定顺序含义的C.标签编码适用于所有需要将分类数据转换为数值数据的机器学习算法D.标签编码是将每个类别映射为一个唯一的整数2.数据质量评估的“准确性原则”是指（）。A.数据应包含所有必要信息B.数据要真实反映客观事实C.不同来源的相同数据保持一致D.数据需在规定时间内获取并更新3.PowerBI中，合并查询是表与表之间的（），需要两张表之间有相互关联的字段。A.横向组合B.纵向组合C.数据排序D.数据筛选4.对数值型数据进行标准化处理，最小－最大数据标准化的公式是（）。A.B.C.D.5.在PowerBI中，将“中国/湖南省/长沙市”拆分为三列，应选择（）拆分。A.按字符数B.按位置C.按分隔符D.按大小写转换二、多项选择题1.下列关于数据离散化的描述，正确的是（）。A.数据离散化仅能应用于电商场景B.数据离散化中的等宽法是按照等距离的区间划分数据C.数据离散化中的等频法划分的每个区间内数据量大致相等D.数据离散化不能提升数据在算法与业务两端的使用效率2.数据质量评估需遵循的原则包括（）。A.准确性原则B.完整性原则C.一致性原则D.时效性原则3.数据聚合是通过对一组数据进行特定的操作，以获取数据的总体特征或摘要信息，其方法有（）。A.分组统计B.数据透视表C.合并查询D.追加查询4.下列关于Excel中常用的函数描述正确的是（）。A.SUM用于求和B.AVERAGE用于计算平均值C.COUNT用于计算非空单元格的个数D.MAX用于返回一组数据中的最大值三、判断题1.在PowerBl中，时间转换主要分为时间格式转换和数据类型转换。（）2.在PowerBI中，度量值用于存储实际数据。（）3.异常值一定是错误数据，必须删除。（）4.追加查询是把字段相同或相似的表纵向整合，将一个表的行添加到另一个表末尾，要求表结构相似，结果集字段与被追加表相同。（）四、简答题1.简述数据采集的平台自有工具和第三方工具各有什么特点？2.简述缺失值、异常值和重复值的主要处理方法。五、案例分析题某女装企业在“618”大促期间，通过淘宝旗舰店、抖音直播间、小红书图文等多渠道开展营销活动，产生了海量运营数据。这些数据包括：订单数据：共5000条，其中30条缺失“支付方式”字段，50条存在重复记录（同一订单编号多次出现）。直播数据：抖音直播间的观众停留时长数据中，有10条显示为“-10分钟”（明显异常）。商品数据：“商品分类”存在“服饰”“服装”“衣物”等同义不同名的表述。为评估大促效果并优化后续运营策略，数据分析师许晴需要对这些数据进行预处理。案例分析要求：​1.数据清洗环节：假设你是许晴，针对该女装企业的订单数据、直播数据的质量问题（缺失值、重复值、异常值等问题），你会如何处理？2.数据整合与标准化：如何统一该女装企业商品数据中“商品分类”字段的表述？

习题参考答案：一、单选题1.D2.B3.A4.B5.C二、多选题1.BC2.ABCD3.AB4.ABD三、判断题1.√2.×3.×4.√四、简答题1.参考答案：平台自有工具：由各平台（如电商、社交媒体、短视频平台）官方提供，特点是适配性强，能直接获取平台内的核心数据（如生意参谋、京东商智），但数据范围局限于单一平台；第三方工具：如八爪鱼采集器、飞瓜数据等，特点是支持跨平台数据整合，功能更全面（如深度分析、舆情监控），但部分高级功能需付费，且依赖平台API或爬虫技术。2.参考答案：缺失值：可直接删除（适用于数量少、影响小时）；保留（因系统或业务逻辑导致时）；寻找替代值（用均值、中位数、众数或业务逻辑推断填充）；异常值：删除（明显错误或严重影响分析时）；用均值或中位数修正（数据重要时）；重复值：删除（因录入错误或重复采集时）；合并（同一实体的多次记录，需计算总和或平均值时）。五、案例分析题参考答案：1.数据清洗（1）缺失值处理：订单数据中缺失的“支付方式”，可根据同时间段、同金额订单的主流支付方式（如支付宝占比80%）填充。（2）重复值处理：订单数据中的重复记录，通过Excel“删除重复项”功能，以“订单编号”为唯一标识删除冗余数据。（3）异常值处理：直播停留时