2025年初級數(shù)據(jù)分析師技能評估題庫一、單選題（共10題，每題2分）1.在數(shù)據(jù)清洗過程中，以下哪項操作屬于重復(fù)數(shù)據(jù)處理？A.缺失值填充B.異常值檢測C.去重處理D.數(shù)據(jù)歸一化2.SQL中，用于計算平均值聚合函數(shù)是？A.SUM()B.MAX()C.AVG()D.COUNT()3.Excel中，以下哪個函數(shù)用于計算數(shù)組中滿足條件的數(shù)字之和？A.SUMIF()B.AVERAGE()C.COUNTIF()D.MAX()4.在Python中，用于處理JSON數(shù)據(jù)的庫是？A.PandasB.NumPyC.MatplotlibD.json5.數(shù)據(jù)分析中，描述性統(tǒng)計的主要目的是？A.預(yù)測未來趨勢B.發(fā)現(xiàn)數(shù)據(jù)規(guī)律C.建立預(yù)測模型D.數(shù)據(jù)可視化6.以下哪種圖表最適合展示部分與整體的關(guān)系？A.散點圖B.柱狀圖C.餅圖D.折線圖7.在數(shù)據(jù)探索性分析中，"K-means聚類"屬于哪種分析方法？A.分類算法B.回歸算法C.聚類算法D.關(guān)聯(lián)規(guī)則算法8.SQL中，用于按條件篩選數(shù)據(jù)的語句是？A.INSERTB.UPDATEC.DELETED.SELECT9.Excel中，用于創(chuàng)建數(shù)據(jù)透視表的主要功能是？A.數(shù)據(jù)排序B.數(shù)據(jù)篩選C.數(shù)據(jù)匯總D.數(shù)據(jù)轉(zhuǎn)換10.在Python中，用于繪制直方圖的庫是？A.PandasB.NumPyC.MatplotlibD.Seaborn二、多選題（共5題，每題3分）1.數(shù)據(jù)分析流程通常包含哪些主要階段？A.數(shù)據(jù)收集B.數(shù)據(jù)清洗C.數(shù)據(jù)建模D.數(shù)據(jù)可視化E.模型評估2.SQL中，以下哪些屬于聚合函數(shù)？A.SUM()B.AVG()C.MAX()D.COUNT()E.SELECT3.Excel中，以下哪些函數(shù)屬于統(tǒng)計函數(shù)？A.SUM()B.AVERAGE()C.STDEV()D.IF()E.VLOOKUP()4.Python數(shù)據(jù)分析中，Pandas庫的主要功能包括？A.數(shù)據(jù)讀取B.數(shù)據(jù)清洗C.數(shù)據(jù)分析D.數(shù)據(jù)可視化E.模型訓(xùn)練5.數(shù)據(jù)可視化原則中，以下哪些屬于重要考量因素？A.清晰性B.準(zhǔn)確性C.美觀性D.信息密度E.技術(shù)先進性三、判斷題（共10題，每題1分）1.數(shù)據(jù)清洗是數(shù)據(jù)分析中最不重要的一環(huán)。（×）2.SQL中，JOIN操作用于合并兩個或多個表。（√）3.Excel中的VLOOKUP函數(shù)只能向左查找。（×）4.Python中的NumPy庫主要用于數(shù)據(jù)可視化。（×）5.描述性統(tǒng)計只能提供數(shù)據(jù)的整體概況，無法發(fā)現(xiàn)數(shù)據(jù)規(guī)律。（×）6.散點圖最適合展示時間序列數(shù)據(jù)。（×）7.K-means聚類算法需要預(yù)先指定聚類數(shù)量。（√）8.SQL中，WHERE子句用于排序數(shù)據(jù)。（×）9.數(shù)據(jù)透視表可以動態(tài)調(diào)整字段布局。（√）10.Matplotlib是Python中最常用的數(shù)據(jù)可視化庫。（√）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。數(shù)據(jù)清洗主要步驟包括：-缺失值處理：識別并處理數(shù)據(jù)中的缺失值，可選擇填充、刪除或插值等方法-異常值檢測：識別并處理數(shù)據(jù)中的異常值，可通過統(tǒng)計方法（如箱線圖）或業(yè)務(wù)規(guī)則識別-重復(fù)數(shù)據(jù)處理：刪除數(shù)據(jù)集中的重復(fù)記錄，保證數(shù)據(jù)唯一性-數(shù)據(jù)格式轉(zhuǎn)換：統(tǒng)一數(shù)據(jù)格式，如日期格式、數(shù)值格式等-數(shù)據(jù)一致性檢查：確保數(shù)據(jù)在不同字段或表中的一致性目的在于提高數(shù)據(jù)質(zhì)量，為后續(xù)分析提供可靠基礎(chǔ)2.解釋SQL中JOIN操作的四種基本類型及其區(qū)別。-INNERJOIN：返回兩個表中匹配的記錄（默認(rèn)類型）-LEFTJOIN：返回左表所有記錄及右表匹配記錄，右表無匹配則顯示NULL-RIGHTJOIN：返回右表所有記錄及左表匹配記錄，左表無匹配則顯示NULL-FULLOUTERJOIN：返回兩個表的所有記錄，無論是否匹配，不匹配部分顯示NULL區(qū)別主要在于返回結(jié)果的范圍不同，根據(jù)分析需求選擇合適的JOIN類型3.描述Excel中數(shù)據(jù)透視表的主要功能和創(chuàng)建步驟。主要功能：-數(shù)據(jù)匯總：對大量數(shù)據(jù)進行快速匯總統(tǒng)計（如求和、平均、計數(shù)等）-多維分析：通過拖拽字段從不同維度分析數(shù)據(jù)-動態(tài)調(diào)整：可隨時修改字段布局和計算方式創(chuàng)建步驟：-選擇數(shù)據(jù)區(qū)域-插入數(shù)據(jù)透視表-選擇數(shù)據(jù)透視表放置位置-拖拽字段到行、列、值、篩選區(qū)域-調(diào)整計算方式和格式4.說明Python中Pandas庫的三個核心數(shù)據(jù)結(jié)構(gòu)及其特點。-Series：一維標(biāo)記數(shù)組，支持多種數(shù)據(jù)類型，類似Excel列-DataFrame：二維標(biāo)記數(shù)據(jù)結(jié)構(gòu)，類似Excel工作表，由多個Series組成-Panel：三維標(biāo)記數(shù)據(jù)結(jié)構(gòu)，現(xiàn)已棄用，建議使用MultiIndexDataFrame特點：-強大的數(shù)據(jù)清洗功能-豐富的數(shù)據(jù)操作方法-高效的內(nèi)存管理-與SQL、Excel等數(shù)據(jù)源良好兼容5.列舉三種常見的描述性統(tǒng)計指標(biāo)及其適用場景。-集中趨勢指標(biāo)：-平均值：適用于數(shù)值型數(shù)據(jù)，但易受異常值影響-中位數(shù)：適用于偏態(tài)分布數(shù)據(jù)，對異常值不敏感-眾數(shù)：適用于分類數(shù)據(jù)，可識別最高頻類別-離散趨勢指標(biāo)：-標(biāo)準(zhǔn)差：衡量數(shù)據(jù)波動程度，適用于正態(tài)分布數(shù)據(jù)-方差：標(biāo)準(zhǔn)差的平方，同樣衡量波動，數(shù)值更大-范圍（極差）：最大值與最小值之差，簡單直觀-分布形狀指標(biāo)：-偏度：衡量數(shù)據(jù)分布對稱性，正值右偏，負(fù)值左偏-峰度：衡量數(shù)據(jù)分布尖銳程度，大于0尖峰，小于0平峰五、操作題（共3題，每題10分）1.假設(shè)有以下Excel數(shù)據(jù)表，請完成以下操作：-使用Excel函數(shù)計算"銷售額"的平均值-創(chuàng)建數(shù)據(jù)透視表，按"產(chǎn)品類別"匯總"銷售量"-使用條件格式突出顯示"銷售額"大于5000的記錄數(shù)據(jù)表：|產(chǎn)品編號|產(chǎn)品名稱|產(chǎn)品類別|銷售量|銷售額|||||-|-||001|產(chǎn)品A|類別1|120|4800||002|產(chǎn)品B|類別2|85|4300||003|產(chǎn)品C|類別1|150|7200||004|產(chǎn)品D|類別2|95|5100||005|產(chǎn)品E|類別3|110|6600|解答：-銷售額平均值：=AVERAGE(D2:D6)=5600-數(shù)據(jù)透視表創(chuàng)建步驟：1.選中數(shù)據(jù)區(qū)域2.插入數(shù)據(jù)透視表3.將"產(chǎn)品類別"拖到行標(biāo)簽4.將"銷售量"拖到值區(qū)域5.更改匯總方式為計數(shù)-條件格式設(shè)置：1.選中"銷售額"列2.開始→條件格式→新建規(guī)則3.選擇"使用公式確定要設(shè)置格式的單元格"4.輸入公式：=D2>50005.設(shè)置格式（如紅色填充）2.假設(shè)有以下Python代碼，請解釋其功能并補充缺失部分：pythonimportpandasaspdimportmatplotlib.pyplotasplt#讀取數(shù)據(jù)data=pd.read_csv('sales_data.csv')#數(shù)據(jù)清洗部分代碼缺失#數(shù)據(jù)分析部分代碼缺失#可視化部分代碼缺失plt.show()解答：-功能說明：該代碼框架用于讀取銷售數(shù)據(jù)，進行數(shù)據(jù)清洗、分析和可視化-數(shù)據(jù)清洗補充：python#處理缺失值data.dropna(inplace=True)#檢測和處理異常值q1=data['銷售額'].quantile(0.25)q3=data['銷售額'].quantile(0.75)iqr=q3-q1data=data[(data['銷售額']>=q1-1.5*iqr)&(data['銷售額']<=q3+1.5*iqr)]-數(shù)據(jù)分析補充：python#計算平均值avg_sales=data['銷售額'].mean()#按產(chǎn)品類別分組統(tǒng)計category_stats=data.groupby('產(chǎn)品類別')['銷售額'].sum()-可視化補充：python#繪制銷售額分布直方圖plt.hist(data['銷售額'],bins=10,color='skyblue',edgecolor='black')plt.title('銷售額分布')plt.xlabel('銷售額')plt.ylabel('頻數(shù)')3.假設(shè)有以下SQL查詢需求，請編寫相應(yīng)的SQL語句：-查詢2023年每個產(chǎn)品類別的總銷售額-查詢銷售額最高的前3個產(chǎn)品-查詢每個產(chǎn)品類別中銷售額排名前三的產(chǎn)品示例表結(jié)構(gòu)：sqlCREATETABLEsales(idINT,product_idINT,categoryVARCHAR(20),sale_dateDATE,amountDECIMAL(10,2));解答：-查詢2023年每個產(chǎn)品類別的總銷售額：sqlSELECTcategory,SUM(amount)AStotal_salesFROMsalesWHEREYEAR(sale_date)=2023GROUPBYcategory;-查詢銷售額最高的前3個產(chǎn)品：sqlSELECTproduct_id,SUM(amount)AStotal_salesFROMsalesGROUPBYproduct_idORDERBYtotal_salesDESCLIMIT3;-查詢每個產(chǎn)品類別中銷售額排名前三的產(chǎn)品：sqlWITHranked_salesAS(SELECTproduct_id,category,SUM(amount)AStotal_sales,RANK()OVER(PARTITIONBYcategoryORDERBYSUM(amount)DESC)ASrankFROMsalesGROUPBYproduct_id,category)SELECTproduct_id,category,total_salesFROMranked_salesWHERErank<=3;答案一、單選題答案1.C2.C3.A4.D5.B6.C7.C8.D9.C10.C二、多選題答案1.A,B,C,D,E2.A,B,C,D3.A,B,C4.A,B,C,D5.A,B,C,D三、判斷題答案1.×2.√3.×4.×5.×6.×7.√8.×9.√10.√四、簡答題答案（要點）1.數(shù)據(jù)清洗步驟：缺失值處理、異常值檢測、重復(fù)數(shù)據(jù)刪除、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)一致性檢查。目的：提高數(shù)據(jù)質(zhì)量，為后續(xù)分析提供可靠基礎(chǔ)。2.JOIN類型：-INNERJOIN：返回匹配記錄-LEFTJOIN：左表全部+右表匹配（右表無匹配顯示NULL）-RIGHTJOIN：右表全部+左表匹配（左表無匹配顯示NULL）-FULLOUTERJOIN：兩表全部記錄（不匹配顯示NULL）區(qū)別：返回結(jié)果范圍不同，根據(jù)需求選擇3.數(shù)據(jù)透視表功能：數(shù)據(jù)匯總、多維分析、動態(tài)調(diào)整。創(chuàng)建步驟：選擇數(shù)據(jù)→插入數(shù)據(jù)透視表→放置位置→拖拽字段→調(diào)整設(shè)置。4.Pandas核心數(shù)據(jù)結(jié)構(gòu)：-Series：一維標(biāo)記數(shù)組，類似Excel列-DataFrame：二維標(biāo)記數(shù)據(jù)結(jié)構(gòu)，類似Excel工作表-Panel：三維標(biāo)記數(shù)據(jù)結(jié)構(gòu)（已棄用）特點：強大的數(shù)據(jù)清洗功能、豐富的數(shù)據(jù)操作方法、高效的內(nèi)存管理、與多種數(shù)據(jù)源兼容5.描述性統(tǒng)計指標(biāo)：-集中趨勢指標(biāo)：平均值（正態(tài)分布）、中位數(shù)（偏態(tài)分布）、眾數(shù)（分類數(shù)據(jù)）-離散趨勢指標(biāo)：標(biāo)準(zhǔn)差（正態(tài)分布）、方差（波動衡量）、范圍（極差）-分布形狀指標(biāo)：偏度（對稱性）、峰度（尖銳程度）五、操作題答案（要點）1.Excel操作：-銷售額平均值：=AVERAGE(D2:D6)=5600-數(shù)據(jù)透視表：拖拽"產(chǎn)品類別"到行標(biāo)簽，"銷售量"到值區(qū)域，更改匯總為計數(shù)-條件格式：選中銷售額列，新建規(guī)則設(shè)置公式=D2>5000，設(shè)置紅色填充2.Python代碼：-數(shù)據(jù)清洗：pythondata.dropna(inplace=True)q1=data['銷售額'].quantile(0.25)q3=data['銷售額'].quantile(0.75)iqr=q3-q1data=data[(data['銷售額']>=q1-1.5*iqr)&(data['銷售額']<=q3+1.5*iqr)]-數(shù)據(jù)分析：pythonavg_sales=data['銷售額'].mean()category_stats=data.groupby('產(chǎn)品類別')['銷售額'].sum()-可視化：pythonplt.hist(data['銷售額'],bins=10,color='skyblue',edgeco