2025年數據分析師筆試重點考點及模擬題集一、選擇題（每題2分，共20題）1.在進行數據清洗時，以下哪種方法最適合處理缺失值？A.直接刪除含有缺失值的行B.使用均值或中位數填充C.使用眾數填充D.以上都不對2.以下哪個不是常見的數據分析指標？A.均值B.方差C.相關系數D.熵值3.在進行數據可視化時，以下哪種圖表最適合展示時間序列數據？A.散點圖B.條形圖C.折線圖D.餅圖4.以下哪個不是常用的數據挖掘算法？A.決策樹B.線性回歸C.K-means聚類D.樸素貝葉斯5.在進行假設檢驗時，以下哪個是第一類錯誤的概率？A.真實情況為H0為真，但拒絕了H0B.真實情況為H0為假，但接受了H0C.真實情況為H0為假，但拒絕了H0D.真實情況為H0為真，但接受了H06.以下哪個不是常用的特征工程方法？A.數據標準化B.特征編碼C.特征選擇D.數據采樣7.在進行回歸分析時，以下哪個指標可以衡量模型的擬合優(yōu)度？A.R2B.MAEC.RMSED.AUC8.以下哪個不是常用的分類算法？A.邏輯回歸B.支持向量機C.KNND.主成分分析9.在進行時間序列分析時，以下哪個模型最適合處理具有明顯季節(jié)性特征的數據？A.AR模型B.MA模型C.ARIMA模型D.指數平滑模型10.以下哪個不是常用的聚類算法？A.K-meansB.層次聚類C.DBSCAND.決策樹二、填空題（每題2分，共10題）1.數據分析的基本流程包括數據采集、______、數據分析和數據可視化。2.在進行數據清洗時，常見的異常值處理方法包括______和______。3.在進行數據可視化時，散點圖主要用于展示______之間的關系。4.在進行假設檢驗時，顯著性水平通常表示為______。5.在進行特征工程時，常用的特征編碼方法包括______和______。6.在進行回歸分析時，常用的評估指標包括______、______和______。7.在進行分類分析時，常用的評估指標包括______、______和______。8.在進行時間序列分析時，常用的模型包括______、______和______。9.在進行聚類分析時，常用的評估指標包括______和______。10.在進行數據挖掘時，常用的算法包括______、______和______。三、簡答題（每題5分，共5題）1.簡述數據清洗的步驟。2.簡述特征工程的常用方法。3.簡述回歸分析和分類分析的區(qū)別。4.簡述時間序列分析的基本步驟。5.簡述聚類分析的基本步驟。四、計算題（每題10分，共3題）1.某公司銷售數據如下表所示，請計算該公司的平均銷售額和標準差。|月份|銷售額（萬元）|||-||1|120||2|130||3|140||4|150||5|160|2.某公司員工年齡數據如下表所示，請計算該公司的年齡中位數和眾數。|員工編號|年齡|||||1|25||2|30||3|35||4|25||5|30|3.某公司銷售額和廣告投入數據如下表所示，請計算銷售額和廣告投入的相關系數。|月份|銷售額（萬元）|廣告投入（萬元）|||-|||1|120|10||2|130|12||3|140|15||4|150|18||5|160|20|五、編程題（每題15分，共2題）1.使用Python編寫代碼，讀取以下CSV文件，并計算每個月的平均銷售額和標準差。csv月份,銷售額（萬元）1,1202,1303,1404,1505,1602.使用Python編寫代碼，讀取以下CSV文件，并計算每個月的廣告投入與銷售額的相關系數。csv月份,銷售額（萬元）,廣告投入（萬元）1,120,102,130,123,140,154,150,185,160,20答案一、選擇題1.B2.D3.C4.D5.A6.D7.A8.D9.C10.D二、填空題1.數據預處理2.上下限法，刪除法3.兩個變量4.α5.獨熱編碼，標簽編碼6.R2，MAE，RMSE7.準確率，召回率，F1值8.AR模型，MA模型，ARIMA模型9.輪廓系數，戴維斯指標10.決策樹，支持向量機，聚類算法三、簡答題1.數據清洗的步驟包括：數據采集、數據預處理（包括數據清洗、數據集成、數據變換、數據規(guī)約）、數據預處理（包括數據清洗、數據集成、數據變換、數據規(guī)約）、數據分析和數據可視化。2.特征工程的常用方法包括：特征選擇、特征提取、特征編碼。特征選擇包括過濾法、包裹法、嵌入法；特征提取包括主成分分析、線性判別分析；特征編碼包括獨熱編碼、標簽編碼。3.回歸分析和分類分析的區(qū)別在于：回歸分析用于預測連續(xù)值，分類分析用于預測離散值?；貧w分析的目標是找到一個函數，將輸入變量映射到一個連續(xù)的輸出變量；分類分析的目標是找到一個分類器，將輸入變量映射到一個離散的類別。4.時間序列分析的基本步驟包括：數據收集、數據預處理、探索性數據分析、模型選擇、模型訓練、模型評估和模型預測。5.聚類分析的基本步驟包括：數據收集、數據預處理、選擇聚類算法、設置參數、執(zhí)行聚類、評估聚類結果和應用聚類結果。四、計算題1.平均銷售額=(120+130+140+150+160)/5=130萬元標準差=sqrt(((120-130)2+(130-130)2+(140-130)2+(150-130)2+(160-130)2)/5)=sqrt(200)≈14.14萬元2.年齡中位數=30歲眾數=25歲3.相關系數=cov(銷售額,廣告投入)/(std(銷售額)*std(廣告投入))=(50/50)/(sqrt(50)*sqrt(50))=1五、編程題1.pythonimportpandasaspddata=pd.read_csv('sales_data.csv')average_sales=data['銷售額（萬元）'].mean()std_sales=data['銷售額（萬元）'].std()print(f'平均銷售額:{average_sales}萬元')print(f'標準差:{std_sales}萬元')2.pythoni