2025年初級(jí)數(shù)據(jù)分析師面試指南與模擬題集錦一、選擇題（共10題，每題2分）1.在數(shù)據(jù)預(yù)處理階段，以下哪項(xiàng)不屬于數(shù)據(jù)清洗的范疇？A.缺失值處理B.異常值檢測(cè)C.數(shù)據(jù)格式轉(zhuǎn)換D.特征工程設(shè)計(jì)2.SQL中用于計(jì)算分組數(shù)據(jù)統(tǒng)計(jì)量的函數(shù)是？A.COUNT()B.SUM()C.AVG()D.以上都是3.以下哪種圖表最適合展示不同類別數(shù)據(jù)的占比關(guān)系？A.折線圖B.散點(diǎn)圖C.餅圖D.柱狀圖4.Python中用于數(shù)據(jù)分析和可視化的第三方庫是？A.PandasB.MatplotlibC.NumPyD.以上都是5.在數(shù)據(jù)倉庫分層模型中，OLAP數(shù)據(jù)存儲(chǔ)在？A.數(shù)據(jù)源層B.源數(shù)據(jù)層C.數(shù)據(jù)集市層D.分析層6.以下哪種方法不屬于數(shù)據(jù)降維技術(shù)？A.PCAB.LDAC.決策樹D.t-SNE7.數(shù)據(jù)分析報(bào)告中，以下哪種呈現(xiàn)方式最直觀？A.大段文字描述B.圖表與文字結(jié)合C.只有數(shù)據(jù)表格D.只有結(jié)論建議8.Excel中，以下哪個(gè)函數(shù)用于計(jì)算平均值？A.MAX()B.MIN()C.AVG()D.MEDIAN()9.在數(shù)據(jù)采集階段，以下哪種方法屬于主動(dòng)采集？A.問卷調(diào)查B.日志收集C.公開數(shù)據(jù)源獲取D.第三方數(shù)據(jù)購買10.Python中用于處理時(shí)間序列數(shù)據(jù)的庫是？A.PandasB.NumPyC.MatplotlibD.Seaborn二、簡(jiǎn)答題（共5題，每題4分）1.簡(jiǎn)述數(shù)據(jù)分析師的工作職責(zé)。2.解釋什么是數(shù)據(jù)預(yù)處理，并列舉三種常見的數(shù)據(jù)預(yù)處理方法。3.描述數(shù)據(jù)可視化的基本原則。4.解釋什么是數(shù)據(jù)倉庫，并說明其與關(guān)系型數(shù)據(jù)庫的區(qū)別。5.簡(jiǎn)述Python中Pandas庫的主要功能。三、計(jì)算題（共2題，每題6分）1.假設(shè)有以下銷售數(shù)據(jù)表：|產(chǎn)品ID|銷售日期|銷售量||--|-|--||001|2023-01-01|100||002|2023-01-01|150||001|2023-01-02|120||002|2023-01-02|180|請(qǐng)計(jì)算：(1)每天的總銷售量(2)每個(gè)產(chǎn)品的總銷售量2.假設(shè)有以下用戶行為數(shù)據(jù)：|用戶ID|操作類型|操作次數(shù)||--|-|-||001|點(diǎn)擊|5||001|瀏覽|10||002|點(diǎn)擊|3||002|瀏覽|7||003|點(diǎn)擊|8|請(qǐng)計(jì)算：(1)每個(gè)用戶的總操作次數(shù)(2)每種操作類型的總次數(shù)四、實(shí)操題（共2題，每題10分）1.使用Python的Pandas庫處理以下數(shù)據(jù)：pythonimportpandasaspddata={'姓名':['張三','李四','王五','趙六'],'年齡':[25,30,35,40],'性別':['男','女','男','女'],'收入':[5000,6000,7000,8000]}df=pd.DataFrame(data)請(qǐng)完成以下操作：(1)計(jì)算每個(gè)性別的平均收入(2)添加一列"年齡段"，根據(jù)年齡分段：20-30歲、30-40歲、40歲以上(3)對(duì)數(shù)據(jù)按收入降序排序2.使用Python的Matplotlib庫創(chuàng)建以下圖表：(1)創(chuàng)建一個(gè)柱狀圖，展示不同性別的平均收入(2)創(chuàng)建一個(gè)折線圖，展示年齡與收入的關(guān)系(3)確保圖表包含標(biāo)題、坐標(biāo)軸標(biāo)簽和圖例五、分析題（共1題，20分）假設(shè)你是一家電商公司的數(shù)據(jù)分析師，最近接到主管的任務(wù)，要求分析用戶行為數(shù)據(jù)，找出提升用戶留存率的方法。以下是過去一個(gè)月的用戶行為數(shù)據(jù)：|用戶ID|注冊(cè)日期|最后登錄日期|登錄次數(shù)|購買次數(shù)|平均購買金額||--|-|--|-|-|--||001|2023-01-01|2023-01-15|12|3|200||002|2023-01-02|2023-01-20|8|1|150||003|2023-01-03|2023-01-10|5|0|0||004|2023-01-04|2023-01-25|20|5|300||005|2023-01-05|2023-01-05|1|0|0||...|...|...|...|...|...|請(qǐng)完成以下分析：1.計(jì)算每個(gè)用戶的留存率（最后登錄日期與注冊(cè)日期的差值除以30）2.分析登錄次數(shù)與留存率的關(guān)系3.分析購買次數(shù)與留存率的關(guān)系4.提出至少三個(gè)提升用戶留存率的建議，并說明理由答案部分一、選擇題答案1.D2.D3.C4.D5.C6.C7.B8.C9.A10.A二、簡(jiǎn)答題答案1.數(shù)據(jù)分析師的工作職責(zé)包括：-收集、清洗和處理數(shù)據(jù)-進(jìn)行數(shù)據(jù)分析和挖掘-創(chuàng)建數(shù)據(jù)可視化圖表-撰寫數(shù)據(jù)分析報(bào)告-為業(yè)務(wù)決策提供數(shù)據(jù)支持2.數(shù)據(jù)預(yù)處理是數(shù)據(jù)分析和挖掘前的準(zhǔn)備工作，常見方法包括：-缺失值處理：刪除或填充缺失值-異常值檢測(cè)：識(shí)別和處理異常值-數(shù)據(jù)格式轉(zhuǎn)換：統(tǒng)一數(shù)據(jù)格式-數(shù)據(jù)歸一化：將數(shù)據(jù)縮放到特定范圍3.數(shù)據(jù)可視化的基本原則：-清晰性：圖表應(yīng)易于理解-準(zhǔn)確性：數(shù)據(jù)表達(dá)應(yīng)準(zhǔn)確無誤-簡(jiǎn)潔性：避免冗余信息-目的性：圖表應(yīng)服務(wù)于分析目標(biāo)4.數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。與關(guān)系型數(shù)據(jù)庫的區(qū)別：-數(shù)據(jù)倉庫存儲(chǔ)歷史數(shù)據(jù)，關(guān)系型數(shù)據(jù)庫存儲(chǔ)當(dāng)前數(shù)據(jù)-數(shù)據(jù)倉庫面向分析，關(guān)系型數(shù)據(jù)庫面向事務(wù)處理-數(shù)據(jù)倉庫數(shù)據(jù)量大，關(guān)系型數(shù)據(jù)庫數(shù)據(jù)量相對(duì)較小5.Pandas庫的主要功能：-數(shù)據(jù)讀取與寫入：支持多種數(shù)據(jù)格式-數(shù)據(jù)清洗：處理缺失值、異常值等-數(shù)據(jù)分析：提供統(tǒng)計(jì)函數(shù)-數(shù)據(jù)處理：數(shù)據(jù)篩選、分組等三、計(jì)算題答案1.(1)每天的總銷售量：-2023-01-01：250-2023-01-02：300(2)每個(gè)產(chǎn)品的總銷售量：-產(chǎn)品001：220-產(chǎn)品002：3302.(1)每個(gè)用戶的總操作次數(shù)：-用戶001：15-用戶002：10-用戶003：8(2)每種操作類型的總次數(shù)：-點(diǎn)擊：16-瀏覽：23四、實(shí)操題答案1.使用Python的Pandas庫處理數(shù)據(jù)：pythonimportpandasaspddata={'姓名':['張三','李四','王五','趙六'],'年齡':[25,30,35,40],'性別':['男','女','男','女'],'收入':[5000,6000,7000,8000]}df=pd.DataFrame(data)#(1)計(jì)算每個(gè)性別的平均收入avg_income_by_gender=df.groupby('性別')['收入'].mean()print(avg_income_by_gender)#(2)添加一列"年齡段"defage分段(年齡):if20<=年齡<=30:return'20-30歲'elif30<=年齡<=40:return'30-40歲'else:return'40歲以上'df['年齡段']=df['年齡'].apply(age分段)print(df)#(3)對(duì)數(shù)據(jù)按收入降序排序sorted_df=df.sort_values(by='收入',ascending=False)print(sorted_df)2.使用Python的Matplotlib庫創(chuàng)建圖表：pythonimportpandasaspdimportmatplotlib.pyplotaspltdata={'姓名':['張三','李四','王五','趙六'],'年齡':[25,30,35,40],'收入':[5000,6000,7000,8000]}df=pd.DataFrame(data)#(1)創(chuàng)建一個(gè)柱狀圖，展示不同性別的平均收入gender_data={'男':[6000,7000],'女':[5500,6500]}df_gender=pd.DataFrame(gender_data)df_gender.plot(kind='bar')plt.title('不同性別的平均收入')plt.xlabel('性別')plt.ylabel('平均收入')plt.show()#(2)創(chuàng)建一個(gè)折線圖，展示年齡與收入的關(guān)系plt.plot(df['年齡'],df['收入'],marker='o')plt.title('年齡與收入的關(guān)系')plt.xlabel('年齡')plt.ylabel('收入')plt.show()五、分析題答案1.計(jì)算每個(gè)用戶的留存率：pythonimportpandasaspddata={'用戶ID':[1,2,3,4,5],'注冊(cè)日期':pd.to_datetime(['2023-01-01','2023-01-02','2023-01-03','2023-01-04','2023-01-05']),'最后登錄日期':pd.to_datetime(['2023-01-15','2023-01-20','2023-01-10','2023-01-25','2023-01-05']),'登錄次數(shù)':[12,8,5,20,1],'購買次數(shù)':[3,1,0,5,0],'平均購買金額':[200,150,0,300,0]}df=pd.DataFrame(data)#計(jì)算留存率df['留存率']=(df['最后登錄日期']-df['注冊(cè)日期']).dt.days/30print(df)2.分析登錄次數(shù)與留存率的關(guān)系：-登錄次數(shù)多的用戶留存率較高，說明用戶活躍度與留存率正相關(guān)3.分析購買次數(shù)與留存率的關(guān)系：-購買次數(shù)多的用戶留存率較高，說明購買行為能提升用戶留存4.提升用戶留存率的建議：-增加用戶互動(dòng)：通過推送、活動(dòng)等方式增加用戶登錄頻率-優(yōu)化產(chǎn)品體驗(yàn)：提升產(chǎn)品質(zhì)量和用戶滿意度-實(shí)施會(huì)員制度：提供更多優(yōu)惠和特權(quán)，增強(qiáng)用戶粘性#2025年初級(jí)數(shù)據(jù)分析師面試指南與模擬題集錦面試準(zhǔn)備要點(diǎn)1.基礎(chǔ)知識(shí)扎實(shí)-掌握統(tǒng)計(jì)學(xué)基礎(chǔ)（描述性統(tǒng)計(jì)、假設(shè)檢驗(yàn)等）-熟悉SQL查詢（基礎(chǔ)DML/DDL、聚合函數(shù)、子查詢）-了解Python/R基礎(chǔ)（數(shù)據(jù)處理庫Pandas、數(shù)據(jù)可視化Matplotlib/Seaborn）2.業(yè)務(wù)理解能力-結(jié)合實(shí)際案例說明數(shù)據(jù)分析如何解決業(yè)務(wù)問題-針對(duì)電商、廣告、金融等常見場(chǎng)景準(zhǔn)備案例3.工具與平臺(tái)-熟悉Excel高級(jí)功能（透視表、VLOOKUP）-了解BI工具（Tableau/PowerBI）基本操作-掌握Git/GitHub版本控制基礎(chǔ)（如提交記錄規(guī)范）4.溝通表達(dá)-用數(shù)據(jù)可視化圖表清晰呈現(xiàn)分析結(jié)果-避免純代碼輸出，注重結(jié)論與建議的落地性模擬題集錦1