2025年python數(shù)據(jù)分析試題及答案一、單項選擇題（每題2分，共20分）1.以下關于Pandas中DataFrame的描述，錯誤的是（）A.可通過df.reset_index(drop=True)將索引重置為默認整數(shù)索引并刪除原索引B.df.loc[:,['col1','col2']]表示選取所有行的col1和col2列C.df['col3'].astype('category')會將col3列轉換為數(shù)值類型D.df.groupby('category').agg({'sales':'sum'})可按category分組并計算sales總和答案：C2.某數(shù)據(jù)集中"price"列存在異常值（大于均值3倍標準差），最合理的處理方式是（）A.直接刪除所有異常值所在行B.用均值替換異常值C.用中位數(shù)替換異常值D.結合業(yè)務場景判斷異常值合理性后再處理答案：D3.對時間序列數(shù)據(jù)進行滾動窗口計算時，若需計算過去30天的移動平均，且要求窗口包含當前行，應使用（）A.df.rolling(window=30,closed='right')B.df.rolling(window=30,closed='left')C.df.rolling(window=30,closed='both')D.df.rolling(window=30,closed='neither')答案：A4.用Seaborn繪制分組箱線圖時，若需按"region"分組展示"profit"的分布，正確的代碼是（）A.sns.boxplot(x='profit',y='region',data=df)B.sns.boxplot(x='region',y='profit',data=df)C.sns.boxplot(hue='region',y='profit',data=df)D.sns.boxplot(x='profit',hue='region',data=df)答案：B5.某DataFrame的"date"列格式為"2024-05-1514:30:00"，需提取月份信息，正確的操作是（）A.df['date'].dt.monthB.df['date'].str.split('-')[1]C.pd.to_datetime(df['date']).dt.monthD.df['date'].apply(lambdax:x[5:7])答案：A（假設"date"列已為datetime類型，若未轉換則選C）6.對包含10萬條記錄的數(shù)據(jù)集進行缺失值處理時，發(fā)現(xiàn)某列"customer_type"缺失率為65%，最優(yōu)處理方式是（）A.刪除該列B.用眾數(shù)填充C.用KNN算法預測填充D.構建新特征標記缺失狀態(tài)后刪除該列答案：A7.計算兩個變量的Spearman相關系數(shù)時，適用的場景是（）A.兩個變量均為正態(tài)分布的連續(xù)變量B.一個變量為分類變量，另一個為連續(xù)變量C.兩個變量為有序分類變量或非正態(tài)連續(xù)變量D.需衡量線性相關程度答案：C8.以下NumPy操作中，不會改變原數(shù)組的是（）A.arr.resize((2,3))B.arr[:,1]=0C.np.concatenate((arr1,arr2))D.arr.astype('float32')答案：C9.用Pandas讀取CSV文件時，若文件中某些行的列數(shù)不一致，正確的處理參數(shù)是（）A.error_bad_lines=FalseB.on_bad_lines='skip'C.skiprows=3D.usecols=[0,1,2]答案：B（Pandas2.0+版本使用on_bad_lines參數(shù)）10.對用戶行為數(shù)據(jù)進行RFM分析時，"Recency"指標通常指（）A.用戶最近一次購買至今的時間B.用戶總購買次數(shù)C.用戶最近一次購買的金額D.用戶平均購買間隔時間答案：A二、編程題（每題15分，共45分）1.現(xiàn)有電商訂單數(shù)據(jù)集order.csv（字段：order_id,user_id,order_date,product_id,category,amount,is_refund），要求：（1）讀取數(shù)據(jù)并將order_date轉換為datetime類型；（2）篩選2024年1月1日至2024年6月30日期間未退款（is_refund=0）的訂單；（3）計算每個用戶（user_id）的總消費金額、訂單數(shù)量及購買過的不同品類數(shù)量（category去重計數(shù)）。答案：```pythonimportpandasaspd（1）讀取數(shù)據(jù)并轉換日期格式df=pd.read_csv('order.csv')df['order_date']=pd.to_datetime(df['order_date'])（2）篩選時間范圍和未退款訂單start_date=pd.to_datetime('2024-01-01')end_date=pd.to_datetime('2024-06-30')filtered_df=df[(df['order_date']>=start_date)&(df['order_date']<=end_date)&(df['is_refund']==0)]（3）用戶維度聚合計算user_stats=filtered_df.groupby('user_id').agg(total_amount=('amount','sum'),order_count=('order_id','nunique'),category_count=('category','nunique')).reset_index()print(user_stats.head())```2.某新能源汽車銷售數(shù)據(jù)集sales.csv（字段：date,region,model,sales_volume,price），要求：（1）按"region"和"model"分組，計算2024年各季度的平均價格（price）和總銷量（sales_volume）；（2）繪制各區(qū)域（region）2024年各季度總銷量的堆積柱狀圖（x軸為季度，y軸為銷量，不同顏色代表不同region）。答案：```pythonimportpandasaspdimportmatplotlib.pyplotasplt數(shù)據(jù)預處理df=pd.read_csv('sales.csv')df['date']=pd.to_datetime(df['date'])df=df[df['date'].dt.year==2024]篩選2024年數(shù)據(jù)df['quarter']='Q'+df['date'].dt.quarter.astype(str)提供季度字段（1）分組聚合grouped=df.groupby(['region','model','quarter']).agg(avg_price=('price','mean'),total_sales=('sales_volume','sum')).reset_index()（2）堆積柱狀圖繪制（按region和季度）先按region和季度匯總總銷量（不考慮model）plot_data=df.groupby(['region','quarter'])['sales_volume'].sum().unstack('region')plt.figure(figsize=(10,6))plot_data.plot(kind='bar',stacked=True,ax=plt.gca())plt.xlabel('Quarter')plt.ylabel('TotalSalesVolume')plt.title('2024QuarterlySalesbyRegion(Stacked)')實際考試中可省略標題plt.legend(title='Region')plt.xticks(rotation=0)plt.show()```3.某社交平臺用戶行為數(shù)據(jù)集user_behavior.csv（字段：user_id,login_time,logout_time,page_views,interactions），其中l(wèi)ogin_time和logout_time為時間戳（單位：秒），要求：（1）計算每個用戶的單次登錄時長（logout_time-login_time，單位：分鐘）；（2）處理異常登錄時長（如負數(shù)、超過24小時），將異常值替換為該用戶的平均登錄時長（若用戶無有效時長則刪除）；（3）分析登錄時長與頁面瀏覽量（page_views）的相關性，輸出Pearson相關系數(shù)和散點圖。答案：```pythonimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromscipy.statsimportpearsonr（1）計算登錄時長（分鐘）df=pd.read_csv('user_behavior.csv')df['duration']=(df['logout_time']-df['login_time'])/60秒轉分鐘（2）處理異常值定義異常條件：時長<=0或>2460=1440分鐘df['is_valid']=(df['duration']>0)&(df['duration']<=1440)按用戶分組，計算有效時長的均值user_avg=df[df['is_valid']].groupby('user_id')['duration'].mean().reset_index()user_avg.rename(columns={'duration':'avg_duration'},inplace=True)合并平均時長到原數(shù)據(jù)df=df.merge(user_avg,on='user_id',how='left')替換異常值：無效時長用用戶平均替換，無平均的刪除（avg_duration為NaN）df['duration_clean']=np.where(df['is_valid'],df['duration'],df['avg_duration'])df=df.dropna(subset=['duration_clean'])刪除無有效時長的用戶記錄（3）相關性分析corr,p_value=pearsonr(df['duration_clean'],df['page_views'])print(f"Pearson相關系數(shù):{corr:.4f}")繪制散點圖plt.figure(figsize=(8,5))plt.scatter(df['duration_clean'],df['page_views'],alpha=0.5)plt.xlabel('LoginDuration(minutes)')plt.ylabel('PageViews')plt.show()```三、綜合分析題（35分）某生鮮電商公司提供了2023-2024年用戶訂單數(shù)據(jù)（orders.csv）和用戶信息數(shù)據(jù)（users.csv），字段如下：orders.csv：order_id（訂單ID）,user_id（用戶ID）,order_time（下單時間）,product_id（商品ID）,category（商品品類）,amount（支付金額）,is_repeat（是否復購，1為是）users.csv：user_id（用戶ID）,register_time（注冊時間）,age（年齡）,city（城市）,member_level（會員等級，1-5級）要求完成以下分析任務：1.數(shù)據(jù)清洗（10分）：-檢查并處理orders表中的缺失值（假設"category"列有5%缺失，"amount"列有2%缺失）；-檢查orders表中"order_time"與users表中"register_time"的時間邏輯（用戶下單時間應晚于注冊時間），處理異常記錄。2.用戶分層分析（15分）：-計算每個用戶的R（最近一次下單距今天數(shù)）、F（總訂單數(shù)）、M（總支付金額）指標；-基于RFM模型對用戶進行分層（至少分為4層），并描述各層用戶特征。3.業(yè)務洞察（10分）：-結合用戶信息（年齡、城市、會員等級）和RFM分層結果，提出提升高價值用戶留存的策略建議。答案：1.數(shù)據(jù)清洗```pythonimportpandasaspdimportnumpyasnpfromdatetimeimportdatetime讀取數(shù)據(jù)orders=pd.read_csv('orders.csv')users=pd.read_csv('users.csv')處理orders缺失值category列（5%缺失）：用該商品ID對應的眾數(shù)品類填充（假設product_id與category強相關）category_mode=orders.groupby('product_id')['category'].transform(lambdax:x.mode()[0]ifnotx.mode().emptyelsenp.nan)orders['category']=orders['category'].fillna(category_mode)amount列（2%缺失）：用同品類、同用戶等級的平均金額填充先合并用戶等級信息orders=orders.merge(users[['user_id','member_level']],on='user_id',how='left')計算填充值amount_fill=orders.groupby(['category','member_level'])['amount'].transform('mean')orders['amount']=orders['amount'].fillna(amount_fill)orders.drop(columns=['member_level'],inplace=True)去除臨時合并列時間邏輯檢查orders['order_time']=pd.to_datetime(orders['order_time'])users['register_time']=pd.to_datetime(users['register_time'])merged=orders.merge(users[['user_id','register_time']],on='user_id',how='left')篩選下單時間早于注冊時間的異常記錄abnormal=merged[merged['order_time']<merged['register_time']]處理方式：刪除異常記錄（或聯(lián)系業(yè)務確認是否為時間戳錯誤）orders=orders[~orders['order_id'].isin(abnormal['order_id'])]```2.用戶RFM分層分析```python計算RFM指標（假設分析時間為2024-12-31）analysis_date=pd.to_datetime('2024-12-31')R：最近一次下單距今天數(shù)rfm=orders.groupby('user_id').agg(R=('order_time',lambdax:(analysis_date-x.max()).days),F=('order_id','nunique'),M=('amount','sum')).reset_index()計算各指標分位數(shù)（4分位）forcolin['R','F','M']:rfm[f'{col}_score']=pd.qcut(rfm[col],q=4,labels=[1,2,3,4],duplicates='drop')分層規(guī)則（示例）：高價值用戶：R_score>=3&F_score>=3&M_score>=3潛力用戶：R_score>=3&(F_score>=2|M_score>=2)新用戶：R_score>=3&F_score=1流失用戶：R_score<=2rfm['user_segment']=np.select([(rfm['R_score']>=3)&(rfm['F_score']>=3)&(rfm['M_score']>=3),(rfm[