2025年數(shù)據(jù)分析師實戰(zhàn)手冊與模擬題集詳解一、選擇題（共10題，每題2分）1.在數(shù)據(jù)清洗過程中，以下哪項操作不屬于缺失值處理方法？A.刪除含有缺失值的行B.填充缺失值（均值/中位數(shù)/眾數(shù)）C.使用模型預(yù)測缺失值D.保持原樣不處理2.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.散點圖C.餅圖D.柱狀圖3.SQL中，用于對數(shù)據(jù)進(jìn)行排序的函數(shù)是？A.COUNT()B.SUM()C.ORDERBYD.GROUPBY4.在數(shù)據(jù)探索性分析中，箱線圖主要用于？A.展示數(shù)據(jù)分布的頻率B.分析變量間的相關(guān)性C.檢測異常值D.展示時間序列趨勢5.以下哪個指標(biāo)不屬于KPI指標(biāo)體系？A.轉(zhuǎn)化率B.用戶留存率C.廣告點擊率D.產(chǎn)品開發(fā)進(jìn)度6.在Python中，用于處理數(shù)據(jù)的庫是？A.MatplotlibB.PandasC.Scikit-learnD.TensorFlow7.以下哪種方法不屬于特征工程？A.特征篩選B.特征編碼C.數(shù)據(jù)集成D.模型選擇8.在進(jìn)行假設(shè)檢驗時，通常使用的顯著性水平是？A.0.05B.0.1C.0.01D.以上都是9.以下哪種模型屬于監(jiān)督學(xué)習(xí)？A.聚類分析B.主成分分析C.決策樹D.神經(jīng)網(wǎng)絡(luò)10.數(shù)據(jù)倉庫的典型架構(gòu)是？A.數(shù)據(jù)湖B.星型模型C.網(wǎng)狀模型D.沙漏模型二、填空題（共10題，每題2分）1.在進(jìn)行數(shù)據(jù)可視化時，應(yīng)遵循______、______、______三個基本原則。2.SQL中，用于連接兩個表的語句是______。3.數(shù)據(jù)分析的基本流程包括：數(shù)據(jù)收集、______、數(shù)據(jù)分析、______、數(shù)據(jù)解讀。4.在進(jìn)行數(shù)據(jù)清洗時，重復(fù)數(shù)據(jù)的處理方法包括______和______。5.Python中，用于創(chuàng)建數(shù)據(jù)框的庫是______。6.交叉表主要用于分析______之間的關(guān)系。7.在進(jìn)行回歸分析時，殘差分析的主要目的是______。8.A/B測試中，對照組通常用______表示。9.數(shù)據(jù)挖掘的常用方法包括分類、聚類、關(guān)聯(lián)規(guī)則挖掘和______。10.ETL流程中的T代表______。三、簡答題（共5題，每題5分）1.簡述數(shù)據(jù)分析師的日常工作職責(zé)。2.解釋什么是數(shù)據(jù)清洗，并列舉三種常見的數(shù)據(jù)質(zhì)量問題。3.描述KPI指標(biāo)體系的設(shè)計原則。4.解釋什么是特征工程，并列舉三種常見的特征工程方法。5.簡述數(shù)據(jù)倉庫與數(shù)據(jù)湖的區(qū)別。四、計算題（共3題，每題10分）1.某電商平臺的月度銷售額數(shù)據(jù)如下：[12000,15000,13000,16000,14000,17000,18000,19000,20000,21000]。計算該月度的平均銷售額、中位數(shù)和標(biāo)準(zhǔn)差。2.假設(shè)有以下數(shù)據(jù)集：|ID|年齡|收入||-||||1|25|5000||2|30|7000||3|35|8000||4|40|10000||5|45|12000|計算年齡和收入的皮爾遜相關(guān)系數(shù)。3.某A/B測試實驗中，對照組的轉(zhuǎn)化率為5%，實驗組的轉(zhuǎn)化率為7%。使用假設(shè)檢驗（顯著性水平α=0.05）判斷實驗組是否顯著優(yōu)于對照組。五、實操題（共2題，每題15分）1.使用Python的Pandas庫，讀取以下CSV數(shù)據(jù)，并完成以下操作：|產(chǎn)品ID|銷售日期|銷售量||-|-|--||001|2023-01-01|100||002|2023-01-02|150||003|2023-01-03|200||001|2023-01-04|120||002|2023-01-05|180|要求：-統(tǒng)計每個產(chǎn)品的總銷售量-繪制銷售量的折線圖2.使用SQL語句，完成以下查詢：-查詢2023年每個產(chǎn)品的總銷售量-查詢銷售量超過150的產(chǎn)品ID及銷售量-查詢每個產(chǎn)品的平均銷售量答案一、選擇題答案1.D2.C3.C4.C5.D6.B7.D8.D9.C10.B二、填空題答案1.清晰性、準(zhǔn)確性、美觀性2.JOIN3.數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)展示4.刪除重復(fù)數(shù)據(jù)、數(shù)據(jù)去重5.Pandas6.兩個變量7.檢驗回歸模型的假設(shè)是否成立8.A9.聚類分析10.數(shù)據(jù)轉(zhuǎn)換三、簡答題答案1.數(shù)據(jù)分析師的日常工作職責(zé)包括：-數(shù)據(jù)收集與清洗-數(shù)據(jù)分析與建模-數(shù)據(jù)可視化與報告撰寫-業(yè)務(wù)問題解決與決策支持-數(shù)據(jù)監(jiān)控系統(tǒng)搭建與維護(hù)2.數(shù)據(jù)清洗是指將原始數(shù)據(jù)轉(zhuǎn)化為可用數(shù)據(jù)的過程。常見的數(shù)據(jù)質(zhì)量問題包括：-缺失值-重復(fù)數(shù)據(jù)-異常值-格式不一致3.KPI指標(biāo)體系的設(shè)計原則：-目標(biāo)導(dǎo)向性-可衡量性-相關(guān)性-簡潔性-動態(tài)性4.特征工程是指通過領(lǐng)域知識和技術(shù)手段，將原始數(shù)據(jù)轉(zhuǎn)化為對模型有幫助的特征的過程。常見方法：-特征篩選-特征編碼-特征組合5.數(shù)據(jù)倉庫與數(shù)據(jù)湖的區(qū)別：-數(shù)據(jù)倉庫是結(jié)構(gòu)化的數(shù)據(jù)存儲，用于分析；數(shù)據(jù)湖是非結(jié)構(gòu)化數(shù)據(jù)存儲，用于存儲原始數(shù)據(jù)。-數(shù)據(jù)倉庫通常采用星型模型或雪花模型；數(shù)據(jù)湖采用分布式文件系統(tǒng)。-數(shù)據(jù)倉庫的數(shù)據(jù)經(jīng)過清洗和轉(zhuǎn)換；數(shù)據(jù)湖存儲原始數(shù)據(jù)。四、計算題答案1.平均銷售額=(12000+15000+13000+16000+14000+17000+18000+19000+20000+21000)/10=16000中位數(shù)=(16000+17000)/2=16500標(biāo)準(zhǔn)差=sqrt(((12000-16000)^2+(15000-16000)^2+...+(21000-16000)^2)/10)≈3464.102.皮爾遜相關(guān)系數(shù)=(Σ(x_i-x?)(y_i-?))/(sqrt(Σ(x_i-x?)^2*Σ(y_i-?)^2))=((-10*(-2000)+(-5*0)+0*2000+5*0+10*2000)/(sqrt(500^2+250^2)*sqrt(5000000)))≈0.8943.假設(shè)檢驗：-H0:p1=p2-H1:p1≠p2-樣本量n1=100,n2=100,p1=0.05,p2=0.07-Z=(p1-p2)/sqrt(p*(1-p)*(1/n1+1/n2))=(0.05-0.07)/sqrt(0.0625*(1/100+1/100))≈-2.45-Z臨界值(α=0.05)為±1.96，-2.45<-1.96，拒絕H0，實驗組顯著優(yōu)于對照組五、實操題答案1.Python代碼：pythonimportpandasaspdimportmatplotlib.pyplotaspltdata={'產(chǎn)品ID':['001','002','003','001','002'],'銷售日期':['2023-01-01','2023-01-02','2023-01-03','2023-01-04','2023-01-05'],'銷售量':[100,150,200,120,180]}df=pd.DataFrame(data)#統(tǒng)計每個產(chǎn)品的總銷售量total_sales=df.groupby('產(chǎn)品ID')['銷售量'].sum()print(total_sales)#繪制銷售量的折線圖df['銷售日期']=pd.to_datetime(df['銷售日期'])pivot_df=df.pivot(index='銷售日期',columns='產(chǎn)品ID',values='銷售量')pivot_df.plot(kind='line')plt.title('產(chǎn)品銷售量折線圖')plt.xlabel('日期')plt.ylabel('銷售量')plt.show()2.SQL語句：sql--查詢2023年每個產(chǎn)品的總銷售量SELECT產(chǎn)品ID,SUM(銷售量)AS總銷售量FROMsalesWHEREYEAR(銷售日期)=2