2026年cda资格考试试卷及答案

2026年cda资格考试试卷及答案考试时长：120分钟满分：100分一、判断题（总共10题，每题2分，总分20分）1.CDA（CertifiedDataAnalyst）资格认证主要针对数据分析师的初级入门岗位，考核内容不涉及高级数据建模技术。2.数据清洗是数据分析流程中唯一不可跳过的环节，直接影响后续所有分析结果的准确性。3.在数据可视化中，使用散点图可以有效展示两个连续型变量之间的相关性，但无法判断因果关系。4.SQL语言中的JOIN操作仅支持内连接（INNERJOIN），不支持左连接或右连接。5.数据聚合函数（如SUM、AVG）在处理空值时默认忽略，不会对结果产生影响。6.机器学习中的过拟合现象是指模型在训练数据上表现极好，但在测试数据上表现较差。7.Excel中的数据透视表功能可以自动对数据进行分组和汇总，但无法进行复杂的多层次计算。8.Python的Pandas库中，DataFrame的groupby方法默认按升序对分组键进行排序。9.A/B测试中，控制组（ControlGroup）通常不接受任何干预，用于对比实验组（TreatmentGroup）的效果。10.数据仓库（DataWarehouse）通常采用非关系型数据库存储，以支持大规模数据分析需求。二、单选题（总共10题，每题2分，总分20分）1.以下哪种方法不属于数据预处理中的缺失值处理技术？A.删除含有缺失值的记录B.使用均值/中位数/众数填充C.基于模型预测缺失值D.将缺失值视为一个独立类别进行分类2.在数据可视化中，以下哪种图表最适合展示不同类别数据的占比？A.散点图B.折线图C.饼图D.柱状图3.SQL查询中，以下哪个关键字用于对结果集进行排序？A.WHEREB.GROUPBYC.ORDERBYD.HAVING4.以下哪种算法属于监督学习？A.K-means聚类B.决策树分类C.主成分分析D.系统聚类5.在Excel中，以下哪个函数用于计算单元格区域中满足条件的个数？A.SUMB.COUNTC.AVGD.MAX6.以下哪种数据存储模式最适合支持复杂查询和事务处理？A.NoSQL数据库B.关系型数据库C.文件系统D.内存数据库7.在数据清洗中，以下哪种方法不属于异常值检测技术？A.标准差法B.箱线图分析C.神经网络预测D.IQR（四分位距）法8.以下哪种指标用于评估分类模型的预测准确性？A.R²（决定系数）B.AUC（曲线下面积）C.RMSE（均方根误差）D.MAE（平均绝对误差）9.在数据仓库中，以下哪个层次的数据粒度最小？A.预聚合层B.操作数据层（ODS）C.详细数据层D.总结数据层10.以下哪种方法不属于特征工程技术？A.特征选择B.特征编码C.模型集成D.特征缩放三、多选题（总共10题，每题2分，总分20分）1.数据清洗中常见的噪声类型包括：A.重复数据B.格式不一致C.缺失值D.异常值E.数据冗余2.以下哪些属于数据可视化中的基本原则？A.清晰性B.准确性C.美观性D.复杂性E.目的性3.SQL查询中，以下哪些关键字用于分组数据？A.SELECTB.FROMC.WHERED.GROUPBYE.HAVING4.机器学习中的过拟合问题可以通过以下哪些方法缓解？A.增加数据量B.使用正则化C.降低模型复杂度D.提高学习率E.使用交叉验证5.Excel中，以下哪些函数属于统计函数？A.SUMIFB.VLOOKUPC.STDEVD.COUNTBLANKE.MAX6.数据仓库的典型架构包括：A.数据源层B.数据集成层C.数据存储层D.数据应用层E.数据展示层7.以下哪些属于异常值检测方法？A.Z-score法B.DBSCAN聚类C.箱线图分析D.神经网络预测E.基于密度的异常值检测8.数据分析流程中，以下哪些环节属于数据探索阶段？A.数据清洗B.描述性统计C.数据可视化D.模型训练E.假设检验9.以下哪些属于特征工程中的特征变换技术？A.对数变换B.标准化C.二值化D.交互特征E.主成分分析10.A/B测试中，以下哪些属于常见优化指标？A.转化率B.点击率C.客户留存率D.营销成本E.品牌知名度四、简答题（总共4题，每题4分，总分16分）1.简述数据清洗的主要步骤及其目的。2.解释什么是数据聚合，并列举至少三种常见的聚合函数。3.描述机器学习中过拟合和欠拟合的区别，并说明如何判断模型是否存在这两种问题。4.说明数据仓库与关系型数据库的主要区别，并列举至少三个典型应用场景。五、应用题（总共4题，每题6分，总分24分）1.假设某电商平台收集了用户购买数据，部分数据如下表所示：|用户ID|商品类别|购买金额|购买时间（天）||--------|----------|----------|----------------||1001|电子产品|5000|3||1002|家居用品|1200|7||1003|电子产品|8000|1||1004|家居用品|3000|5||1005|电子产品|2000|2|（1）请写出SQL查询语句，统计每个商品类别的总购买金额。（2）请写出Python代码，使用Pandas计算每个商品类别的平均购买时间。2.假设某公司进行A/B测试，实验组（GroupA）使用了新的广告文案，控制组（GroupB）使用原广告文案。测试数据显示：实验组点击率为5%，控制组点击率为3%。请回答：（1）请解释A/B测试的基本原理，并说明如何判断实验组是否显著优于控制组。（2）假设显著性水平α=0.05，请计算该实验的p值，并说明结论。3.假设某数据分析师需要处理一份包含缺失值的销售数据，数据如下表所示：|销售员ID|销售金额|销售地区||----------|----------|----------||001|10000|东部||002|8000|||003|12000|西部||004||南部|（1）请说明至少两种处理缺失值的方法，并分析其优缺点。（2）假设销售金额为关键指标，请写出Python代码，使用均值填充缺失的销售金额。4.假设某公司需要分析用户行为数据，数据包含用户ID、访问页面、访问时长（分钟）等信息。请回答：（1）请说明如何使用数据可视化技术展示用户访问页面的分布情况，并列举至少两种合适的图表类型。（2）请写出SQL查询语句，统计每个用户的平均访问时长，并按访问时长降序排列。【标准答案及解析】一、判断题1.×（CDA考核内容涵盖高级数据建模技术，如机器学习、数据挖掘等）2.×（数据清洗是可选环节，但缺失数据会严重影响分析结果）3.√4.×（SQL支持多种JOIN类型，包括LEFTJOIN、RIGHTJOIN等）5.×（聚合函数默认忽略空值，但某些函数如COUNT()会统计空值）6.√7.×（数据透视表支持复杂计算，如SUMIFS、CALCULATE等）8.×（groupby默认不排序，需额外使用sort_values方法）9.√10.×（数据仓库通常使用关系型数据库，如Snowflake、Redshift等）二、单选题1.D2.C3.C4.B5.B6.B7.C8.B9.C10.C三、多选题1.A、B、C、D2.A、B、C、E3.D、E4.A、B、C、E5.A、C、D、E6.A、B、C、D、E7.A、B、C、E8.B、C、E9.A、B、D、E10.A、B、C、D四、简答题1.数据清洗步骤：（1）缺失值处理：删除/填充/插值；（2）异常值检测：统计方法/可视化；（3）重复数据识别：去重；（4）数据格式统一：日期/文本标准化；目的：提高数据质量，确保分析结果的准确性。2.数据聚合是指将多个数据点汇总为单一指标的过程，常见函数：SUM（求和）、AVG（平均值）、COUNT（计数）、MAX（最大值）。3.过拟合：模型在训练数据上表现极好，但泛化能力差；欠拟合：模型过于简单，无法捕捉数据规律。判断方法：观察训练集和测试集的误差曲线。4.区别：（1）数据仓库面向分析，关系型数据库面向事务；（2）数据仓库数据量大且维度高，关系型数据库结构化；应用场景：电商用户画像、金融风险分析、医疗健康管理等。五、应用题1.（1）SQL：```sqlSELECT商品类别,SUM(购买金额)AS总金额FROM销售数据GROUPBY商品类别;```（2）Python：```pythonimportpandasaspddata={'商品类别':['电子产品','家居用品','电子产品','家居用品','电子产品'],'购买金额':[5000,1200,8000,3000,2000],'购买时间（天）':[3,7,1,5,2]}df=pd.DataFrame(data)result=df.groupby('商品类别')['购买时间（天）'].mean()print(result)```2.（1）A/B测试原理：通过对比不同版本的效果，验证优化方案；判断方法：计算p值，若p值<α则认为差异显著。（2）假设样本量n=1000，实验组点击次数=50，控制组点击次数=30：p值计算公式：p=2(1-norm.cdf(abs((50/1000-30/1000)/sqrt((0.050.95)/1000+(0.030.97)/1000))))≈0.01结论：p值<0.05，实验组显著优于控制组。3.（1）方法：-删除：简单但丢失信息；-填充：均值/中位数/众数，需考虑分布；（2）Python：```pythonimportpandasaspddata={'销售员ID':['001','002','003','004'],'销售金额':[10000,8000,12000,None],'销售地区':['东部',None,