数据分析实操试题及答案_第1页
数据分析实操试题及答案_第2页
数据分析实操试题及答案_第3页
数据分析实操试题及答案_第4页
数据分析实操试题及答案_第5页
已阅读5页,还剩30页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

数据分析实操试题及答案一、单项选择题(共10题,每题2分,共20分。每题只有一个正确答案)1.某运营人员用ExcelVLOOKUP函数匹配用户订单数据时,lookup_value设为A2,table_array设为D:G,col_index_num设为3,函数第4参数设为0,返回结果全部为#N/A。经查A2对应值在table_array首列存在显示完全一致的内容,以下最可能的原因是()A.未将table_array首列按升序排列B.匹配模式设置为精确匹配C.lookup_value与table_array首列对应值的数据类型不一致D.col_index_num参数超出table_array列数范围2.某电商数据库有用户表user(user_id,user_name,register_time)和订单表order(order_id,user_id,order_amount,pay_time),要统计2024年1月有支付订单的新用户(注册时间在2024年1月)的人均支付金额,以下SQL语句逻辑正确的是()A.SELECTAVG(order_amount)FROMuseruJOINorderoONu.user_id=o.user_idWHEREu.register_timeBETWEEN'2024-01-01'AND'2024-01-31'ANDo.pay_timeBETWEEN'2024-01-01'AND'2024-01-31'B.SELECTSUM(o.order_amount)/COUNT(DISTINCTu.user_id)FROMuseruLEFTJOINorderoONu.user_id=o.user_idWHEREu.register_timeBETWEEN'2024-01-01'AND'2024-01-31'ANDo.pay_timeBETWEEN'2024-01-01'AND'2024-01-31'C.SELECTAVG(total_amt)FROM(SELECTu.user_id,SUM(o.order_amount)astotal_amtFROMuseruJOINorderoONu.user_id=o.user_idWHEREu.register_time>='2024-01-01'ANDu.register_time<'2024-02-01'ANDo.pay_time>='2024-01-01'ANDo.pay_time<'2024-02-01'GROUPBYu.user_id)tD.SELECTSUM(o.order_amount)/COUNT(u.user_id)FROMuseruJOINorderoONu.user_id=o.user_idWHEREu.register_time>='2024-01-01'ANDu.register_time<'2024-02-01'ANDo.pay_time>='2024-01-01'ANDo.pay_time<'2024-02-01'3.用pandas读取CSV格式的销售数据后,要删除“销售金额”列中缺失值对应的行,以下方法正确的是()A.df.dropna(subset=['销售金额'],how='all')B.df.dropna(subset=['销售金额'],how='any')C.df.drop('销售金额').dropna()D.df.fillna(value=0,subset=['销售金额'])4.某APP日活用户数(DAU)为10万,人均启动次数为30万,次日留存率为40%,7日留存率为20%,以下说法正确的是()A.单日人均启动次数为3次/人B.次日留存用户数为4万C.7日留存用户数为2万D.启动次数越高说明用户付费意愿越强5.在Excel中用数据透视表统计各区域各品类的销售总额时,需要同时展示各品类在对应区域的销售额占比,最优的操作是()A.新增计算字段实现占比计算B.值显示方式设为“列汇总的百分比”C.值显示方式设为“行汇总的百分比”D.添加辅助列计算占比后再拖入值区域6.要在订单表中查询每个用户的最近一笔支付订单的订单金额,以下SQL实现效率最高的是()A.SELECTuser_id,order_amount,MAX(pay_time)FROMorderGROUPBYuser_idB.SELECTo.user_id,o.order_amountFROMorderoWHEREo.pay_time=(SELECTMAX(pay_time)FROMordero2WHEREo2.user_id=o.user_id)C.SELECTuser_id,order_amountFROM(SELECTuser_id,order_amount,ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYpay_timeDESC)asrnFROMorder)tWHERErn=1D.SELECTo.user_id,o.order_amountFROMorderoJOIN(SELECTuser_id,MAX(pay_time)asmax_timeFROMorderGROUPBYuser_id)tONo.user_id=t.user_idANDo.pay_time=t.max_time7.以下关于数据分析中异常值处理的说法,正确的是()A.异常值必须删除,否则会严重影响分析结果B.箱线图识别异常值的方法不受数据分布形态的影响C.3σ原则识别出的异常值一定是业务层面的异常数据D.缺失值和异常值是同一概念的不同表述8.某APP做首页改版的A/B测试,实验组(新版首页)的人均停留时长均值为120秒,对照组为100秒,p值为0.03,以下说法正确的是()A.实验组停留时长比对照组高20%,说明改版一定有效B.p值为0.03<0.05,说明改版有97%的概率提升停留时长C.若显著性水平设为0.05,则可以认为改版对停留时长的提升有统计显著性D.本次测试的样本量越大,p值会越小9.用matplotlib绘制折线图展示月度销售额趋势时,需要给x轴的刻度标签旋转45度避免重叠,以下代码正确的是()A.plt.xticks(rotation=45)B.plt.xlabel(rotation=45)C.plt.plot(rotation=45)D.plt.legend(rotation=45)10.以下不属于数据清洗步骤的是()A.缺失值填充B.重复值删除C.数据类型转换D.数据可视化二、多项选择题(共5题,每题4分,共20分。多选、错选、少选均不得分)1.下列关于Excel中VLOOKUP与XLOOKUP函数的说法,正确的有()A.XLOOKUP既可实现从左向右查找,也可实现从右向左查找B.VLOOKUP第4参数设为1时,查找列必须按升序排列,否则可能返回错误结果C.XLOOKUP默认采用精确匹配模式,VLOOKUP默认采用近似匹配模式D.两个函数均支持通配符模糊匹配2.某电商平台数据中,以下属于用户行为指标的有()A.页面浏览量(PV)B.点击率(CTR)C.客单价D.加购转化率3.下列关于SQL语句中GROUPBY和HAVING的说法,正确的有()A.HAVING子句可以用于过滤分组后的结果B.WHERE子句可以放在GROUPBY之后执行C.GROUPBY分组的字段必须出现在SELECT子句中D.HAVING子句中可以使用聚合函数4.用pandas处理数据时,以下可以用于筛选数据的方法有()A.df[df['销售额']>1000]B.df.loc[df['城市']=='北京',['销售额','订单量']]C.df.query('销售额>1000and城市=="北京"')D.df.iloc[0:5,1:3]5.以下关于A/B测试的注意事项,说法正确的有()A.测试期间需要保证实验组和对照组的用户样本具有同质性B.测试期间可以根据数据表现中途调整流量分配比例C.测试达到所需的最小样本量后即可停止测试D.多个指标同时检验时,需要进行多重检验校正三、实操操作题(共3题,每题20分,共60分)1.Excel实操题场景:某连锁超市2024年1-6月的销售数据存储在Excel工作表“销售数据”中,包含字段:订单编号(A列,文本型)、订单日期(B列,日期格式,如2024/1/5)、区域(C列,文本,如华东/华北/华南)、品类(D列,文本,如食品/日用品/家电)、销售数量(E列,数值)、销售单价(F列,数值)、订单金额(G列,待计算)。要求:(1)计算每个订单的订单金额(G列),用公式实现,结果保留2位小数。(4分)(2)用数据透视表统计2024年上半年各区域各品类的总销售额、订单量、平均客单价(客单价=总销售额/订单量),结果放在新工作表“区域品类分析”中,行标签为区域,列标签为品类。(8分)(3)在数据透视表中添加“区域内品类占比”指标(即各品类销售额占对应区域总销售额的比例),数值显示为百分比格式,保留1位小数。(4分)(4)筛选出总销售额排名前3的区域-品类组合,按销售额降序排列。(4分)2.SQL实操题场景:某教育平台数据库包含3张表,表结构如下:(1)用户表user_info:字段包括user_id(用户ID,主键,文本型),user_name(用户名),register_time(注册时间,datetime型),user_level(用户等级,1=普通用户,2=会员用户)。(2)课程表course_info:字段包括course_id(课程ID,主键,文本型),course_name(课程名称),category(课程分类,如Python/Excel/SQL),price(课程价格,数值型,单位元)。(3)订单表order_info:字段包括order_id(订单ID,主键,文本型),user_id(用户ID,外键关联user_info.user_id),course_id(课程ID,外键关联course_info.course_id),pay_amount(实付金额,数值型),pay_time(支付时间,datetime型),order_status(订单状态,1=待支付,2=已支付,3=已取消)。要求:(1)统计2024年第二季度(4-6月)每个课程分类的已支付订单数、总营收、付费用户数,结果按总营收降序排列。(8分)(2)统计2024年6月新注册用户中,首单购买SQL类课程的用户ID、用户名及对应的首单支付金额。(6分)(3)查询每个课程分类下,实付金额排名前3的订单信息(按实付金额降序,若金额相同则按支付时间升序),包括订单ID、用户ID、课程分类、实付金额、支付时间。(6分)3.Python数据分析实操题场景:某餐饮企业2024年的门店销售数据存储在CSV文件“restaurant_sales.csv”中,包含字段:store_id(门店ID)、store_name(门店名称)、sale_date(销售日期,格式YYYY-MM-DD)、category(菜品分类,如川菜/粤菜/甜品)、sale_count(销售数量)、sale_amount(销售金额)。要求:(1)读取CSV文件,查看数据的基本信息(行数、列数、字段类型、缺失值情况),并删除销售金额为0或缺失的行。(6分)(2)统计2024年各门店的总销售额、总销量,按总销售额降序排列,输出前10名的门店名称和总销售额。(6分)(3)绘制2024年各月度的总销售额趋势图,x轴为月份,y轴为总销售额,折线图要求添加标题、坐标轴标签、网格线,保存为“monthly_sales.png”。(8分)参考答案及解析一、单项选择题1.答案:C解析:VLOOKUP精确匹配(第4参数为0)下,若lookup_value与查找列对应值的数据类型不一致(如一方为文本型数字、一方为数值型),即使显示内容完全一致,也会被判定为不匹配,返回#N/A。选项A错误,精确匹配模式下无需查找列排序;选项B,精确匹配是正确设置,不是返回#N/A的原因;选项D,table_array为D:G共4列,col_index_num为3未超出范围。2.答案:C解析:人均支付金额指付费用户的平均支付金额,即总支付金额/付费用户数,等价于按用户维度聚合后求平均。选项A错误,AVG(order_amount)是订单平均金额,不是人均;选项B错误,BETWEEN对datetime类型数据会遗漏1月31日00:00:00之后的时间数据,且LEFTJOIN加订单表筛选条件后等价于INNERJOIN,但时间条件写法不严谨;选项D错误,COUNT(u.user_id)未去重,同一用户多笔订单会导致分母偏大,人均金额计算错误;选项C采用子查询按用户分组计算单用户总支付金额,再求平均,且时间条件使用半开区间避免时分秒遗漏,逻辑正确。3.答案:B解析:df.dropna(subset=['销售金额'],how='any')表示删除“销售金额”列存在缺失值的行,符合需求。选项A错误,how='all'表示subset内所有列都缺失才删除行;选项C错误,df.drop('销售金额')是删除“销售金额”列而非行;选项D错误,fillna是填充缺失值而非删除。4.答案:A解析:单日人均启动次数=总启动次数/DAU=30万/10万=3次/人,A正确。选项B、C错误,次日留存率、7日留存率均以新增用户为统计基数,题目未给出新增用户数,无法计算留存用户规模;选项D错误,启动次数高可能由APP闪退、用户反复打开等异常情况,不能直接等同于付费意愿强。5.答案:C解析:行汇总的百分比指每个单元格值占所在行总计值的比例,当行标签为区域、列标签为品类时,行汇总百分比即为该品类销售额占对应区域总销售额的比例,符合需求且操作最优。选项A错误,计算字段需手动编写公式,操作繁琐;选项B错误,列汇总百分比是各区域占对应品类总销售额的比例;选项D错误,添加辅助列操作效率低,且数据更新时需手动维护。6.答案:C解析:窗口函数ROW_NUMBER()仅需一次全表扫描即可完成分区排名,效率最高。选项A错误,在开启SQL严格模式下,非聚合非分组字段不能出现在SELECT中,且返回的order_amount不一定是随机值,不对应最大支付时间的订单;选项B错误,相关子查询需逐行执行子查询,数据量大时效率极低;选项D错误,需两次表扫描+关联操作,效率低于窗口函数,且同一用户同一时间多笔订单会返回多条结果。7.答案:B解析:箱线图基于四分位数和四分位距识别异常值,无需假设数据分布形态,适用于所有分布类型数据,B正确。选项A错误,若异常值为真实业务产生(如大额订单),需保留分析,不应直接删除;选项C错误,统计意义上的异常值不一定是业务异常,需结合业务场景判断;选项D错误,缺失值是数据缺失,异常值是偏离整体分布的极端值,是两个不同概念。8.答案:C解析:p值小于显著性水平0.05时,拒绝原假设(即改版无效果),认为改版对停留时长的提升具有统计显著性,C正确。选项A错误,统计显著不代表业务上一定有效,需结合业务阈值判断,且“一定”表述过于绝对;选项B错误,p值是原假设为真时观测到当前或更极端结果的概率,不是改版有效的概率;选项D错误,若两组实际无差异,样本量增大p值不会持续变小,仅当存在真实差异时样本量越大越容易得到显著结果。9.答案:A解析:plt.xticks(rotation=45)用于设置x轴刻度标签的旋转角度。选项B错误,plt.xlabel用于设置x轴名称;选项C错误,plt.plot用于绘制折线;选项D错误,plt.legend用于设置图例。10.答案:D解析:数据可视化是数据分析的展示环节,不属于数据清洗步骤。数据清洗主要包括缺失值处理、重复值处理、异常值处理、数据类型转换、数据标准化等内容。二、多项选择题1.答案:ABCD解析:XLOOKUP的查找数组与返回数组相互独立,可实现从左向右、从右向左双向查找(A正确);VLOOKUP近似匹配模式(第4参数为1)要求查找列按升序排列,否则可能返回错误或不准确的结果(B正确);XLOOKUP默认采用精确匹配,VLOOKUP第4参数默认为1即近似匹配(C正确);两个函数均支持*、?通配符模糊匹配,VLOOKUP在精确匹配下可直接在查找值中使用通配符,XLOOKUP需将匹配模式参数设为2开启通配符匹配(D正确)。2.答案:ABD解析:用户行为指标反映用户在平台上的操作行为数据,页面浏览量(PV)是页面浏览行为指标,点击率(CTR)是点击行为指标,加购转化率是加购行为转化指标,均属于用户行为指标。客单价是交易金额类指标,属于交易效果指标,不属于行为指标。3.答案:AD解析:HAVING子句用于过滤分组后的聚合结果,可使用聚合函数(A、D正确);WHERE子句用于过滤行级数据,在GROUPBY之前执行(B错误);GROUPBY分组的字段不强制要求出现在SELECT子句中,但SELECT中的非聚合列必须包含在GROUPBY子句中(符合SQL标准)(C错误)。4.答案:ABCD解析:布尔索引(df[df['销售额']>1000])、loc标签索引(df.loc[df['城市']=='北京',['销售额','订单量']])、query表达式查询(df.query())、iloc位置索引(df.iloc[0:5,1:3])均为pandas中常用的数据筛选方法,可实现行、列维度的数据筛选。5.答案:AD解析:A/B测试要求实验组和对照组用户具有同质性,保证唯一变量为测试改动,否则结果不具备可信度(A正确);测试期间中途调整流量或提前终止测试会引入偏差,导致一类错误率升高,结果不可信(B、C错误);多个指标同时检验时,多重检验会导致假阳性概率上升,需要进行Bonferroni等校正(D正确)。三、实操操作题1.Excel实操题参考答案(1)订单金额计算(4分)点击G2单元格,输入公式`=ROUND(E2*F2,2)`,按回车键确认后,鼠标移动到单元格右下角,待光标变为十字填充柄时双击向下填充至最后一行数据。解析:使用ROUND函数保留2位小数,避免浮点运算导致的精度误差,确保金额格式符合财务规范。(2)数据透视表创建(8分)①选中“销售数据”工作表中任意有数据的单元格,点击【插入】选项卡-【数据透视表】,在弹出对话框中确认“表/区域”自动识别为有效数据区域,选择“新工作表”放置数据透视表,点击确定。(2分)②在右侧“数据透视表字段”面板中,将“区域”拖至【行】区域,将“品类”拖至【列】区域,将“订单金额”拖至【值】区域,将“订单编号”拖至【值】区域,再次将“订单金额”拖至【值】区域。(2分)③值字段设置:点击值区域“求和项:订单金额”,选择【值字段设置】,自定义名称改为“总销售额”,计算类型选择“求和”,点击确定。(1分)点击值区域“计数项:订单编号”,选择【值字段设置】,自定义名称改为“订单量”,计算类型选择“计数”,点击确定。(1分)点击值区域“求和项:订单金额2”,选择【值字段设置】,自定义名称改为“平均客单价”,计算类型选择“平均值”,点击确定。(1分)④将新生成的工作表重命名为“区域品类分析”。(1分)解析:因数据为订单级数据,订单金额的平均值等价于总销售额/订单量,符合客单价定义;若存在重复订单需改用计算字段实现,本题订单编号为主键无重复。(3)区域内品类占比设置(4分)①将“订单金额”再次拖至【值】区域,点击该值字段选择【值字段设置】,自定义名称改为“区域内品类占比”。(1分)②切换至【值显示方式】选项卡,值显示方式选择“行汇总的百分比”,点击确定。(2分)③右键点击该列数据,选择【设置单元格格式】,分类选择“百分比”,小数位数设为1,点击确定。(1分)(4)前3筛选与排序(4分)①点击数据透视表行标签的筛选按钮,选择【值筛选】-【前10项】,在弹出对话框中将10改为3,依据选择“总销售额”,点击确定。(2分)②点击数据透视表中“总销售额”列任意单元格,右键选择【排序】-【降序】,完成按销售额降序排列。(2分)2.SQL实操题参考答案(1)各课程分类业绩统计(8分)```sqlSELECTc.categoryAS课程分类,COUNT(o.order_id)AS已支付订单数,SUM(o.pay_amount)AS总营收,COUNT(DISTINCTo.user_id)AS付费用户数FROMorder_infooJOINcourse_infocONo.course_id=c.course_idWHEREo.order_status=2ANDo.pay_time>='2024-04-0100:00:00'ANDo.pay_time<'2024-07-0100:00:00'GROUPBYc.categoryORDERBY总营收DESC;```评分说明:表关联正确2分,时间条件(半开区间+状态筛选2分,聚合字段(去重用户数)2分,排序正确2分。解析:时间条件使用半开区间避免datetime类型时分秒导致的6月30日数据遗漏;付费用户数使用COUNT(DISTINCTuser_id)去重,避免同一用户多订单重复统计;order_status=2筛选已支付订单,过滤未支付和取消订单。(2)6月新用户首单购SQL课程统计(6分)```sqlSELECTu.user_idAS用户ID,u.user_nameAS用户名,o.pay_amountAS首单支付金额FROMuser_infouJOIN(SELECTo1.user_id,o1.pay_amount,o1.course_id,ROW_NUMBER()OVER(PARTITIONBYo1.user_idORDERBYo1.pay_timeASC)ASrnFROMorder_infoo1WHEREo1.order_status=2ANDo1.pay_time>='2024-06-0100:00:00'ANDo1.pay_time<'2024-07-0100:00:00')oONu.user_id=o.user_idJOINcourse_infocONo.course_id=c.course_idWHEREu.register_time>='2024-06-0100:00:00'ANDu.register_time<'2024-07-0100:00:00'ANDo.rn=1ANDc.category='SQL';```评分说明:新用户时间筛选2分,首单排名逻辑2分,课程分类关联筛选2分。解析:子查询按用户分组、支付时间升序排名取每个用户首单(rn=1),关联用户表筛选6月新注册用户,关联课程表筛选SQL分类课程;若同一用户首单包含多门课程,可根据业务规则改用GROUP_CONCAT等函数处理。(3)各分类实付金额前3订单(6分)```sqlSELECTt.order_idAS订单ID,t.user_idAS用户ID,t.categoryAS课程分类,t.pay_amountAS实付金额,t.pay_timeAS支付时间FROM(SELECTo.order_id,o.user_id,c.category,o.pay_amount,o.pay_time,ROW_NUMBER()OVER(PARTITIONBYc.categoryORDERBYo.pay_amountDESC,o.pay_timeASC)ASrnFROMorder_infooJOINcourse_infocONo.course_id=c.course_idWHEREo.order_status=2)tWHEREt.rn<=3ORDERBYt.category,t.pay_amountDESC;```评分说明:窗口函数分区正确2分,排序规则(金额降序+时间升序)2分,结果筛选正确2分。解析:使用ROW_NUMBER()按课程分类分区,分区内按实付金额降序、支付时间升序排名,筛选排名<=3的记录即为各分类前3订单;若需支持并列排名,可将ROW_NUMBER()改为RANK()或DENSE_RANK()。3.Python数据分析实操题参考答案以下代码基于pandas和matplotlib库实现:(1)数据读取与清洗(6分)```pythonimportpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsedf=pd.read_csv('restaurant_sales.csv')print('数据基本信息:')()print('\n各字段缺失值数量:')print(df.isnull().sum())df=df.dropna(subset=['sale_amount'])df=df[df['sale_amount']!=0]```评分说明:数据读取1分,基本信息查看2分,缺失值处理2分,0值过滤1分。解析:()可查看数据行数、列数、字段类型、非空值数量;dropna的subset参数指定仅检查sale_amount列的缺失值;布尔索引过滤销售金额为0的异常数据。

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论