2025年数据分析师专业技能面试模拟题及答案

2025年数据分析师专业技能面试模拟题及答案第一部分：单项选择题（共15题，每题2分）1.在关系型数据库中，若要查询表A中所有字段，并筛选出“年龄”大于25且“城市”为‘北京’的记录，下列SQL语句正确的是：A.SELECT*FROMAWHEREage>25ANDcity='北京'B.SELECT*FROMAHAVINGage>25ANDcity='北京'C.SELECTALLFROMAWHEREage>25ORcity='北京'D.SELECT*FROMAIFage>25ANDcity='北京'2.在Python的Pandas库中，用于创建一个包含索引和数据的Series对象的正确语法是：A.pd.Series(data=[1,2,3],index=['a','b','c'])B.pd.createSeries([1,2,3],['a','b','c'])C.pd.Series({1,2,3},index=['a','b','c'])D.pd.list(data=[1,2,3],index=['a','b','c'])3.关于假设检验中的P值，下列说法准确的是：A.P值是原假设为真的概率B.P值是拒绝原假设的最小显著性水平C.当P值小于0.05时，说明原假设绝对正确D.P值表示样本统计量与总体参数之间的绝对差值4.在数据可视化中，若想要展示两个连续变量之间的相关性，最适合选用的图表类型是：A.饼图B.散点图C.柱状图D.热力图5.下列关于数据清洗中“缺失值处理”的描述，错误的是：A.可以直接删除缺失值比例过高的行或列B.对于数值型数据，可以使用均值或中位数进行填充C.缺失值填充不需要考虑数据的时间序列特性D.可以利用机器学习模型预测缺失值进行填充6.在SQL中，聚合函数AVG()的作用是：A.计算某列的总和B.计算某列的行数C.计算某列的平均值D.计算某列的最大值7.某电商平台的日活跃用户数（DAU）在周一为100万，周二为120万，周三为110万。若要计算这三天的平均DAU，计算方式为：A.(100+120+110)/3B.(100*120*110)^(1/3)C.MAX(100,120,110)D.(100+120+110)/1008.在Python中，使用Matplotlib库绘制折线图时，用于显示图例的函数是：A.plt.title()B.plt.xlabel()C.plt.legend()D.plt.grid()9.下列哪种情况适合使用“左连接”？A.需要获取两张表中所有匹配的记录B.需要获取左表中的所有记录，以及右表中匹配的记录，无匹配则显示NULLC.需要获取右表中的所有记录，以及左表中匹配的记录D.需要获取两张表中完全不匹配的记录10.在统计学中，用于衡量数据离散程度的指标是：A.均值B.众数C.方差D.中位数11.在A/B测试中，下列哪个指标通常用于衡量产品的变现能力？A.点击率(CTR)B.转化率(CVR)C.客单价(AOV)D.跳出率12.Pandas中，读取CSV文件为DataFrame的函数是：A.pd.to_csv()B.pd.read_csv()C.pd.read_table()D.pd.load_csv()13.数据仓库中的维度表通常包含：A.大量的业务事实数据（如销售额）B.描述业务环境属性的文本数据（如时间、地点、产品）C.频繁更新的数值指标D.只有主键和外键14.在Python中，下列哪个库主要用于统计分析模型？A.NumPyB.Scikit-learnC.StatsmodelsD.PyTorch15.关于数据归一化，下列说法正确的是：A.归一化只能将数据缩放到[0,1]区间B.标准化是将数据转换为均值为0，标准差为1的分布C.归一化和标准化在所有算法中效果完全一致D.树模型对数据的缩放非常敏感，必须进行归一化第二部分：多项选择题（共10题，每题4分。全对得4分，漏选得2分，错选不得分）1.下列属于Python中PandasDataFrame常用属性或方法的有：A.shapeB.head()C.describe()D.sort_index()2.SQL中的GROUPBY子句通常配合哪些函数一起使用？A.SUM()B.COUNT()C.MAX()D.WHERE3.下列关于过拟合的描述，正确的有：A.模型在训练集上表现很好，在测试集上表现较差B.通常是由于模型过于复杂导致的C.可以通过增加数据量来缓解D.可以通过减少特征数量来缓解4.在进行用户分层分析时，常用的模型或方法包括：A.RFM模型B.K-Means聚类C.决策树分类D.线性回归5.下列哪些是常见的数据异常值检测方法？A.3σ原则（拉依达准则）B.箱线图（IQR）法C.Z-Score法D.均值填充法6.ETL过程包含的主要阶段有：A.Extract（抽取）B.Transform（转换）C.Load（加载）D.Analyze（分析）7.在PowerBI或Tableau等BI工具中，常用的快速计算字段包括：A.同比B.环比C.移动平均D.总计百分比8.下列关于留存的描述，正确的有：A.次日留存是指新用户在注册后的第二天再次登录的比例B.留存率是衡量用户粘性和产品吸引力的重要指标C.留存率分析通常需要构建留存矩阵D.只需要关注次日留存，7日留存和30日留存不重要9.下列属于时间序列数据特征的有：A.趋势性B.季节性C.周期性D.随机性10.在数据分析报告中，结论部分应当包含：A.核心发现B.数据局限性说明C.业务建议D.详细的SQL代码第三部分：填空题（共10空，每空3分）1.在Python中，若要安装第三方库Pandas，可以在命令行中使用命令：________pipinstallpandas。2.在SQL中，________关键字用于从结果集中去除重复的行。3.在统计学中，标准正态分布的均值是________，标准差是________。4.在Pandas中，________函数可以将两个DataFrame按照指定的列进行合并。5.A/B测试中，我们通常设定显著性水平为0.05，这意味着我们犯第一类错误（弃真）的概率不超过________%。6.描述数值型数据集中趋势的统计量包括均值、中位数和________。7.在Excel中，用于垂直查找数据的函数是________。8.在数据挖掘中，________算法是一种常用的无监督学习算法，用于将数据划分为K个簇。9.某班级有50名学生，其中男生30名，女生20名。随机抽取一名学生，是男生的概率为________。第四部分：简答题（共4题，每题10分）1.请简述什么是“辛普森悖论”，并举一个生活中的例子说明其含义。2.在数据分析中，数理统计中的“中心极限定理”有何重要意义？3.请列举至少5种评估分类模型性能的指标，并简要说明其含义。4.某电商平台的“加购率”突然下降，作为数据分析师，你将按照什么思路进行排查？第五部分：应用题（共3题，每题20分）1.SQL应用题：假设有两张表：用户表：`users`(user_idint,user_namevarchar,cityvarchar)订单表：`orders`(order_idint,user_idint,amountdecimal(10,2),order_datedate)请写出SQL语句，完成以下需求：(1)查询2024年1月份，每个城市的总销售额和订单总数。(2)查询累计消费金额超过1000元的用户ID及其用户名。2.Python/Pandas应用题：给定如下DataFrame数据结构（模拟数据）：```pythonimportpandasaspddata={'date':['2024-01-01','2024-01-01','2024-01-02','2024-01-02','2024-01-03'],'product':['A','B','A','B','A'],'sales':[100,200,150,250,120],'region':['North','South','North','South','North']}df=pd.DataFrame(data)```请使用Pandas完成以下操作：(1)将`date`列转换为datetime格式。(2)计算每个产品的总销售额，并按销售额降序排列。(3)筛选出`region`为'North'且`sales`大于120的记录。3.综合分析题（A/B测试）：某视频APP为了提高用户的付费转化率，针对“会员购买页”的UI设计进行了A/B测试。A组（对照组）：使用原有UI设计。B组（实验组）：使用新的UI设计（购买按钮更显眼）。测试周期为7天，收集到的数据如下：A组样本量：10,000人，付费人数：200人。B组样本量：10,000人，付费人数：250人。(1)请计算A组和B组的转化率。(2)请计算该实验的绝对提升值和相对提升值。(3)假设显著性水平为0.05，请简述如何判断新UI设计是否在统计上显著优于旧设计（无需进行复杂公式推导，描述检验逻辑和步骤即可）。参考答案与解析第一部分：单项选择题1.【答案】A【解析】SELECT用于选择字段，*代表所有字段；FROM指定表；WHERE用于过滤记录，AND用于连接多个条件。HAVING通常与GROUPBY配合使用。2.【答案】A【解析】pd.Series是创建Series的正确函数，data参数接收列表，index参数接收索引列表。3.【答案】B【解析】P值是指在原假设为真的前提下，出现当前样本观察结果或更极端结果的可能性。它是拒绝原假设的最小显著性水平。A选项错误，P值不是原假设为真的概率。4.【答案】B【解析】散点图通过横纵坐标展示两个连续变量的分布情况，非常适合观察相关性。饼图用于比例，柱状图用于分类比较，热力图用于矩阵密度。5.【答案】C【解析】对于时间序列数据，缺失值填充通常需要考虑时间趋势，例如使用前向填充或移动平均填充，而不是简单地用均值填充。C选项说法过于绝对，错误。6.【答案】C【解析】SUM求和，COUNT计数，AVG求平均，MAX求最大值。7.【答案】A【解析】平均数的计算就是将所有数值相加除以数量。8.【答案】C【解析】plt.legend()用于显示图例；title是标题，xlabel是x轴标签，grid是网格。9.【答案】B【解析】LEFTJOIN（左连接）保留左表所有记录，右表无匹配时显示NULL。10.【答案】C【解析】均值、众数、中位数是集中趋势指标；方差、标准差是离散程度指标。11.【答案】C【解析】CTR关注点击，CVR关注转化，跳出率关注访问深度，AOV（AverageOrderValue）客单价直接关联变现能力。12.【答案】B【解析】pd.read_csv()用于读取，pd.to_csv()用于写入。13.【答案】B【解析】维度表存储描述性属性（如时间、地点、产品信息），事实表存储度量（如销售额）。14.【答案】C【解析】Statsmodels专注于统计模型（如线性回归、时间序列）；Scikit-learn侧重机器学习；NumPy侧重数值计算。15.【答案】B【解析】标准化（Z-Score）是将数据转换为均值为0，标准差为1的分布。归一化通常指缩放到[0,1]。树模型对数据单调性敏感，但对数值缩放不敏感，通常不需要归一化。第二部分：多项选择题1.【答案】ABCD【解析】shape是属性，head()、describe()、sort_index()都是常用方法。2.【答案】ABC【解析】GROUPBY用于分组，通常配合聚合函数SUM,COUNT,MAX,MIN,AVG使用。WHERE在GROUPBY之前过滤行。3.【答案】ABCD【解析】过拟合定义即为A；原因是B；解决方法包括增加数据(C)和简化模型/减少特征(D)。4.【答案】ABC【解析】RFM是经典营销模型；K-Means是无监督聚类；决策树可用于分类用户。线性回归通常用于预测数值，不常直接用于分层，但在特定场景下可作为辅助，一般选ABC更准确。注：此处若严格按“分层”定义，ABC最常见。5.【答案】ABC【解析】3σ、箱线图、Z-Score都是检测异常值的统计方法。均值填充是处理方法，不是检测方法。6.【答案】ABC【解析】ETL代表Extract,Transform,Load。Analyze是后续步骤。7.【答案】ABCD【解析】BI工具中同比、环比、移动平均、总计百分比都是非常常见的快速计算功能。8.【答案】ABC【解析】次日留存定义正确；留存重要性正确；留存矩阵是常用展示方式；D错误，长期留存同样重要。9.【答案】ABCD【解析】时间序列通常具有趋势、季节、周期和随机性四大特征。10.【答案】ABC【解析】报告应包含发现、局限和建议。详细的SQL代码通常放在附录或技术文档中，不直接放在核心结论部分。第三部分：填空题1.【答案】（空格不填，命令本身）或直接写`pipinstallpandas`。题目若问命令行工具，通常指在终端输入。若填空处为命令本身，则是`pipinstallpandas`。2.【答案】DISTINCT3.【答案】0；14.【答案】merge5.【答案】56.【答案】众数7.【答案】VLOOKUP8.【答案】K-Means9.【答案】0.6或60%第四部分：简答题1.【答案】辛普森悖论是指在分组比较中都占优势的一方，在总评中反而处于劣势的一种现象。这通常是因为分组样本的权重不同导致的。例子：在大学录取中，假设某大学有两个学院（法学院和商学院）。男生在法学院的录取率（60/100=60%）高于女生（40/100=40%）；男生在商学院的录取率（10/50=20%）也高于女生（5/50=10%）。但是，如果法学院申请人数远多于商学院，计算总录取率时，可能会发现女生的总录取率高于男生。这是因为大量女生申请了容易录取的法学院，而大量男生申请了难录取的商学院，样本结构差异导致了总趋势的反转。2.【答案】中心极限定理是统计学中最重要的定理之一。其意义在于：(1)它指出，无论总体服从什么分布，只要样本量足够大，样本均值的抽样分布都近似服从正态分布。(2)这使得我们在不知道总体分布的情况下，可以利用正态分布的性质对总体均值进行推断（如构建置信区间、假设检验）。(3)它为许多统计方法（如t检验、ANOVA）提供了理论基础。3.【答案】(1)准确率：预测正确的样本占总样本的比例。(2)精确率：预测为正例的样本中，真正为正例的比例（查准率）。(3)召回率：实际为正例的样本中，被预测正确的比例（查全率）。(4)F1-Score：精确率和召回率的调和平均数，用于综合评估。(5)ROC-AUC：ROC曲线下的面积，衡量模型分类能力的综合指标，不依赖于阈值选择。4.【答案】排查思路如下：(1)数据校验：确认数据埋点是否准确，是否有漏报或上报延迟，排除技术故障。(2)维度拆解：从时间（具体哪天/时段）、平台（iOS/Android/Web）、新老用户、地区、渠道等维度拆解，定位下降的具体群体。(3)漏斗分析：检查加购环节之前的步骤（如进入商详页人数）是否下降，判断是流量问题还是转化问题。(4)内部因素：确认近期是否有产品改版、Bug、促销活动结束或价格调整。(5)外部因素：确认是否有节假日、竞品活动或重大社会事件影响。第五部分：应用题1.【答案】(1)```sqlSELECTu.city,SUM(o.amount)AStotal_sales,COUNT(o.order_id)AStotal_ordersFROMusersuJOINordersoONu.user_id=o.user_idWHEREo.order_dateBETWEEN'2024-01-01'AND'2024-01-31'GROUPBYu.city;```(2)```sqlSELECTu.user_id,u.user_nameFROMusersuJOINordersoONu.user_id=o.user_idGROUPBYu.user_id,u.user_nameHAVINGSUM(o.amount)>1000;```2.【答案】```pythonimportpandasaspd#初始化数据data={'date':['2024-01-01','2024-01-01','2024-01-02','2024-01-02','2024-01-03'],'product':['A','B','A','B','A'],'sales':[100,200,150,250,120],'region':['North','South','North','South','North']}df=pd.DataFrame(data)#(1)将date列转换为datetime格式df['date']=pd.to_datetime(df['date'])#(2)计算每个产品的总销售额，并按销售额降序排列product_sales=df.group