2025年數(shù)據(jù)分析師中級職稱考試題庫及答案解析一、單選題（共20題，每題1分）1.以下哪個指標最適合衡量數(shù)據(jù)集的離散程度？A.方差B.均值C.中位數(shù)D.標準差2.SQL中，用于按特定條件對數(shù)據(jù)進行篩選的語句是？A.`GROUPBY`B.`SELECT`C.`WHERE`D.`ORDERBY`3.在數(shù)據(jù)可視化中，最適合展示部分與整體關系的圖表是？A.散點圖B.條形圖C.餅圖D.折線圖4.以下哪種方法不屬于數(shù)據(jù)清洗的范疇？A.處理缺失值B.數(shù)據(jù)集成C.消除重復值D.特征工程5.交叉表（Crosstab）在數(shù)據(jù)分析中的作用是？A.降低數(shù)據(jù)維度B.提取關鍵特征C.分析多維度關聯(lián)D.數(shù)據(jù)歸一化6.以下哪個統(tǒng)計方法屬于假設檢驗？A.回歸分析B.方差分析C.主成分分析D.熵權法7.在時間序列分析中，ARIMA模型主要解決什么問題？A.數(shù)據(jù)缺失填充B.多元線性回歸C.平穩(wěn)性檢驗D.非季節(jié)性時間序列預測8.以下哪種圖表最適合展示連續(xù)數(shù)據(jù)的分布情況？A.箱線圖B.熱力圖C.樹狀圖D.環(huán)形圖9.Python中，用于數(shù)據(jù)分組的庫是？A.PandasB.MatplotlibC.Scikit-learnD.NLTK10.邏輯回歸模型主要用于解決什么類型的問題？A.回歸預測B.聚類分析C.分類預測D.關聯(lián)規(guī)則挖掘11.在數(shù)據(jù)采集階段，以下哪種方法屬于主動采集？A.網(wǎng)絡爬蟲B.問卷調查C.日志采集D.API接口12.以下哪個指標用于衡量模型的預測準確性？A.F1分數(shù)B.AUC值C.RMSE值D.Kappa系數(shù)13.以下哪種算法屬于無監(jiān)督學習？A.決策樹B.神經(jīng)網(wǎng)絡C.K-Means聚類D.支持向量機14.在數(shù)據(jù)倉庫中，ODS層通常指的是？A.操作數(shù)據(jù)存儲B.數(shù)據(jù)集市C.數(shù)據(jù)湖D.數(shù)據(jù)集市15.以下哪種統(tǒng)計方法適用于小樣本數(shù)據(jù)分析？A.T檢驗B.Z檢驗C.卡方檢驗D.線性回歸16.在數(shù)據(jù)挖掘中，關聯(lián)規(guī)則挖掘的常見算法是？A.AprioriB.K-MeansC.SVMD.決策樹17.以下哪種方法不屬于特征工程？A.特征選擇B.特征編碼C.數(shù)據(jù)標準化D.模型調參18.在假設檢驗中，第一類錯誤指的是？A.拒絕了實際成立的假設B.未拒絕實際不成立的假設C.接受了實際成立的假設D.未接受實際不成立的假設19.以下哪個工具適合用于數(shù)據(jù)探索性分析？A.ExcelB.TensorFlowC.PyTorchD.Spark20.在數(shù)據(jù)預處理中，用于處理異常值的常用方法不包括？A.箱線圖法B.Z分數(shù)法C.IQR方法D.主成分分析二、多選題（共10題，每題2分）1.數(shù)據(jù)分析的基本流程通常包括哪些階段？A.數(shù)據(jù)采集B.數(shù)據(jù)預處理C.數(shù)據(jù)建模D.模型評估E.業(yè)務落地2.以下哪些屬于描述性統(tǒng)計的范疇？A.均值B.方差C.回歸系數(shù)D.中位數(shù)E.標準差3.SQL中，以下哪些語句用于數(shù)據(jù)過濾？A.`WHERE`B.`HAVING`C.`SELECT`D.`JOIN`E.`ORDERBY`4.以下哪些圖表適合展示多維數(shù)據(jù)關系？A.散點圖矩陣B.熱力圖C.平行坐標圖D.散點圖E.箱線圖5.邏輯回歸模型的優(yōu)勢包括哪些？A.線性可分性B.解釋性強C.計算效率高D.適用于小樣本E.對異常值不敏感6.在數(shù)據(jù)采集過程中，常見的數(shù)據(jù)來源有哪些？A.網(wǎng)絡爬蟲B.傳感器數(shù)據(jù)C.問卷調查D.日志文件E.第三方數(shù)據(jù)7.以下哪些屬于假設檢驗的類型？A.T檢驗B.Z檢驗C.卡方檢驗D.F檢驗E.回歸分析8.在特征工程中，常用的特征處理方法包括哪些？A.特征編碼B.特征選擇C.特征組合D.數(shù)據(jù)標準化E.數(shù)據(jù)歸一化9.以下哪些屬于監(jiān)督學習算法？A.決策樹B.神經(jīng)網(wǎng)絡C.K-Means聚類D.支持向量機E.邏輯回歸10.數(shù)據(jù)倉庫的常見架構包括哪些層次？A.ODS層B.DWD層C.DWS層D.ADS層E.DM層三、判斷題（共10題，每題1分）1.均值和中位數(shù)都能反映數(shù)據(jù)的集中趨勢。（正確）2.SQL中的`JOIN`操作只能用于連接兩個表。（錯誤）3.餅圖適合展示連續(xù)數(shù)據(jù)的分布情況。（錯誤）4.交叉表可以用于分析兩個或多個分類變量的關系。（正確）5.假設檢驗的顯著性水平通常設置為0.05。（正確）6.ARIMA模型適用于任何類型的時間序列數(shù)據(jù)。（錯誤）7.箱線圖可以直觀展示數(shù)據(jù)的四分位數(shù)和異常值。（正確）8.Pandas庫主要用于數(shù)據(jù)分析和可視化。（正確）9.邏輯回歸模型只能處理二分類問題。（錯誤）10.數(shù)據(jù)采集階段不需要考慮數(shù)據(jù)質量。（錯誤）四、簡答題（共5題，每題4分）1.簡述數(shù)據(jù)清洗的主要步驟及其目的。2.解釋什么是假設檢驗，并說明其基本流程。3.描述K-Means聚類算法的基本原理及其適用場景。4.說明數(shù)據(jù)倉庫中ODS、DWD、DWS、ADS各層的主要作用。5.列舉三種常用的特征工程方法，并簡述其原理。五、操作題（共5題，每題6分）1.使用SQL查詢某電商平臺的訂單數(shù)據(jù)，要求：-選擇訂單號、用戶ID、訂單金額-條件：訂單金額大于200元且用戶來自北京-結果按訂單金額降序排列2.使用Python（Pandas）處理某公司銷售數(shù)據(jù)，要求：-讀取CSV文件-處理缺失值：銷售額為空時填充平均值-計算每個產(chǎn)品類別的總銷售額-繪制條形圖展示結果3.使用Python（Scikit-learn）實現(xiàn)邏輯回歸模型，要求：-使用鳶尾花數(shù)據(jù)集-劃分訓練集和測試集（8:2）-訓練模型并輸出準確率-對測試集進行預測并展示混淆矩陣4.設計一個數(shù)據(jù)采集方案，用于采集某電商平臺的商品評論數(shù)據(jù)，要求：-列出數(shù)據(jù)來源-說明采集方法-設計數(shù)據(jù)存儲結構5.分析某城市空氣質量監(jiān)測數(shù)據(jù)，要求：-描述數(shù)據(jù)的主要特征-繪制時間序列圖展示PM2.5變化趨勢-分析主要影響因素并提出改進建議答案解析一、單選題答案1.A2.C3.C4.B5.C6.B7.D8.A9.A10.C11.B12.B13.C14.A15.A16.A17.D18.A19.A20.D二、多選題答案1.A,B,C,D,E2.A,B,D,E3.A,B4.A,B,C5.A,B,C,D6.A,B,C,D,E7.A,B,C,D8.A,B,C,D,E9.A,B,D,E10.A,B,C,D三、判斷題答案1.正確2.錯誤3.錯誤4.正確5.正確6.錯誤7.正確8.正確9.錯誤10.錯誤四、簡答題答案1.數(shù)據(jù)清洗步驟及目的：-缺失值處理：識別并處理數(shù)據(jù)中的缺失值，目的保證數(shù)據(jù)完整性。-異常值檢測：識別并處理異常數(shù)據(jù)，目的提高數(shù)據(jù)質量。-數(shù)據(jù)格式統(tǒng)一：統(tǒng)一數(shù)據(jù)格式和類型，目的便于后續(xù)分析。-重復值消除：去除重復數(shù)據(jù)，目的避免分析偏差。-數(shù)據(jù)標準化：將數(shù)據(jù)轉換到統(tǒng)一尺度，目的消除量綱影響。2.假設檢驗：-概念：通過樣本數(shù)據(jù)推斷總體是否具有某種統(tǒng)計特性。-流程：1.提出原假設和備擇假設2.選擇檢驗統(tǒng)計量3.計算P值或臨界值4.做出統(tǒng)計決策5.解釋結果3.K-Means聚類原理及適用場景：-原理：通過迭代將數(shù)據(jù)點劃分到k個簇中，使簇內方差最小化。-適用場景：適用于發(fā)現(xiàn)數(shù)據(jù)中的自然分組，如客戶細分、圖像分割。4.數(shù)據(jù)倉庫層次作用：-ODS（操作數(shù)據(jù)存儲）：存儲原始業(yè)務數(shù)據(jù)，保留詳細記錄。-DWD（明細數(shù)據(jù)層）：清洗和轉換ODS數(shù)據(jù)，形成標準化明細表。-DWS（匯總數(shù)據(jù)層）：對DWD數(shù)據(jù)進行聚合，形成主題域匯總表。-ADS（應用數(shù)據(jù)層）：面向業(yè)務應用的數(shù)據(jù)集市，支持報表和決策。5.特征工程方法：-特征編碼：將類別特征轉換為數(shù)值形式，如獨熱編碼。-特征選擇：篩選重要特征，如遞歸特征消除。-特征組合：創(chuàng)建新特征，如交叉特征。五、操作題答案1.SQL查詢：sqlSELECTorder_id,user_id,order_amountFROMordersWHEREorder_amount>200ANDcity='北京'ORDERBYorder_amountDESC;2.Python處理：pythonimportpandasaspdimportmatplotlib.pyplotasplt#讀取數(shù)據(jù)data=pd.read_csv('sales.csv')#處理缺失值data['sales_amount'].fillna(data['sales_amount'].mean(),inplace=True)#計算分類總銷售額category_total=data.groupby('category')['sales_amount'].sum()#繪制條形圖category_total.plot(kind='bar')plt.title('CategorySalesTotal')plt.xlabel('Category')plt.ylabel('TotalSales')plt.show()3.邏輯回歸模型：pythonfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportaccuracy_score,confusion_matrix#加載數(shù)據(jù)iris=load_iris()X=iris.datay=iris.target#劃分數(shù)據(jù)集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)#訓練模型model=LogisticRegression()model.fit(X_train,y_train)#評估模型print("Accuracy:",accuracy_score(y_test,model.predict(X_test)))print("ConfusionMatrix:\n",confusion_matrix(y_test,model.predict(X_test)))4.數(shù)據(jù)采集方案：-數(shù)據(jù)來源：-商品詳情頁-用戶評論模塊-評價等級數(shù)據(jù)-采集方法：-使用Scrapy框架編寫爬蟲-設置定時任務每日采集-采用API接口獲取部分數(shù)據(jù)-數(shù)據(jù)存儲結構：-comment_id(主鍵)-product_id(外鍵)-user_id(外鍵)-rating(1-5)-content(文本)-created_at(時間戳)5.空氣質量分析：-主要特征：-PM2.5濃度呈周期性波動-工業(yè)區(qū)數(shù)據(jù)明顯高于居民區(qū)-春秋季節(jié)改善，冬季惡化-時間序列圖：pythonimportmatplotlib.pyplotaspltimportpandasaspddata=pd.read_csv('air_quality.csv',parse_dates=['date'])data.set_index('date',inplace=True)data['PM2.5'].resample('M').mean().plot()plt.title('MonthlyPM2.5Trend')-改進建議：-加強工業(yè)排放監(jiān)管-增加綠化覆蓋率-優(yōu)化交通管理措施#2025年數(shù)據(jù)分析師中級職稱考試注意事項考試前，務必確保攜帶準考證、身份