2025年數(shù)據(jù)分析師職業(yè)指導師(中級)專業(yè)能力試卷及答案一、單項選擇題（每題1分，共30分。每題只有一個正確答案，請將正確選項的字母填在括號內(nèi)）1.在Python中，使用pandas讀取CSV文件時，若文件編碼為GBK，應(yīng)使用的參數(shù)是（）A.encoding='utf8'B.encoding='gbk'C.decode='gbk'D.charset='gb2312'答案：B2.某電商平臺的用戶行為日志中，字段“event_time”為字符串格式“2025060314:23:45”，若需將其轉(zhuǎn)換為pandas的datetime類型，正確的代碼是（）A.pd.to_datetime(df['event_time'],format='%Y%m%d%H:%M:%S')B.pd.to_datetime(df['event_time'],unit='s')C.pd.to_datetime(df['event_time'],origin='unix')D.pd.to_datetime(df['event_time'],infer_datetime_format=False)答案：A3.在SQL中，計算用戶次日留存率的正確邏輯是（）A.次日活躍用戶數(shù)÷當日新增用戶數(shù)B.當日活躍用戶數(shù)÷次日新增用戶數(shù)C.次日新增用戶數(shù)÷當日活躍用戶數(shù)D.當日新增用戶數(shù)÷次日活躍用戶數(shù)答案：A4.使用Excel進行數(shù)據(jù)清洗時，若需將“2025/6/3”統(tǒng)一為“20250603”，應(yīng)優(yōu)先使用的功能是（）A.查找與替換B.分列C.設(shè)置單元格格式→自定義D.數(shù)據(jù)驗證答案：C5.在Python中，使用seaborn繪制箱線圖時，若需按“city”分組并顯示“price”分布，正確的代碼是（）A.sns.boxplot(x='city',y='price',data=df)B.sns.boxplot(x='price',y='city',data=df)C.sns.violinplot(x='city',y='price',kind='box')D.sns.catplot(x='city',y='price',kind='box')答案：A6.某A/B實驗樣本量為10000，實驗組轉(zhuǎn)化率5.2%，對照組轉(zhuǎn)化率4.8%，若使用兩樣本z檢驗，顯著性水平α=0.05，臨界值|z|=1.96，則結(jié)論為（）A.拒絕原假設(shè)，實驗組顯著優(yōu)于對照組B.拒絕原假設(shè)，對照組顯著優(yōu)于實驗組C.不拒絕原假設(shè)，差異不顯著D.無法判斷，需補充樣本量答案：C7.在PowerBI中，若需創(chuàng)建“同比”度量值，使用的DAX函數(shù)組合是（）A.CALCULATE+SAMEPERIODLASTYEARB.CALCULATE+DATEADDC.CALCULATE+PARALLELPERIODD.CALCULATE+PREVIOUSYEAR答案：A8.使用Python進行文本分詞時，若需精確模式并去除停用詞，正確的jieba調(diào)用順序是（）A.jieba.lcut(s,cut_all=False)→停用詞過濾B.jieba.lcut(s,cut_all=True)→停用詞過濾C.jieba.cut_for_search(s)→停用詞過濾D.jieba.tokenize(s)→停用詞過濾答案：A9.在聚類分析中，若使用KMeans算法，且輪廓系數(shù)（silhouettescore）隨k值增加而持續(xù)下降，則最佳k值應(yīng)選（）A.輪廓系數(shù)最高點對應(yīng)的kB.輪廓系數(shù)最低點對應(yīng)的kC.手肘法則拐點對應(yīng)的kD.輪廓系數(shù)下降前的最大k答案：A10.在Python中，使用sklearn的StandardScaler進行特征標準化后，新特征的均值與方差分別為（）A.均值0，方差1B.均值1，方差0C.均值0，方差0D.均值1，方差1答案：A11.在Tableau中，若需將“訂單日期”字段快速生成“季度”維度，應(yīng)使用的功能是（）A.創(chuàng)建→分層結(jié)構(gòu)B.右鍵→創(chuàng)建→計算字段C.右鍵→離散→季度D.右鍵→創(chuàng)建→組答案：C12.某平臺使用RFM模型進行用戶分層，其中“F”指（）A.最近一次消費間隔B.消費頻率C.消費金額D.消費品類數(shù)答案：B13.在Python中，使用statsmodels進行線性回歸時，若需查看VIF值，應(yīng)使用的函數(shù)是（）A.statsmodels.stats.outliers_influence.variance_inflation_factorB.sklearn.linear_model.LinearRegressionC.statsmodels.api.OLSD.pandas.get_dummies答案：A14.在SQL中，若需計算用戶連續(xù)登錄天數(shù)，優(yōu)先使用的窗口函數(shù)是（）A.ROW_NUMBER()B.RANK()C.DENSE_RANK()D.NTILE()答案：A15.使用Python進行時間序列預測時，若數(shù)據(jù)存在明顯季節(jié)性，應(yīng)優(yōu)先選擇的模型是（）A.ARIMA(1,1,1)B.SARIMA(1,1,1)(1,1,1,12)C.Prophetwithyearly_seasonality=FalseD.LinearRegression答案：B16.在Excel中，若需將透視表中的“求和項”改為“平均值”，應(yīng)使用的操作路徑是（）A.值字段設(shè)置→匯總方式→平均值B.字段列表→拖動字段C.分析→計算項D.設(shè)計→報表布局答案：A17.在Python中，使用numpy生成形狀為(3,4)且元素為01隨機小數(shù)的數(shù)組，正確代碼是（）A.np.random.rand(3,4)B.np.random.randn(3,4)C.np.random.randint(0,1,(3,4))D.np.zeros((3,4))答案：A18.在數(shù)據(jù)可視化中，若需展示分類變量與數(shù)值變量的分布差異，優(yōu)先選擇的圖表是（）A.箱線圖B.散點圖C.餅圖D.折線圖答案：A19.在Python中，使用pandas刪除DataFrame中缺失值占比大于30%的列，正確代碼是（）A.df.loc[:,df.isnull().mean()<0.3]B.df.dropna(thresh=len(df)0.7,axis=1)C.df.dropna(axis=1,inplace=True)D.df.fillna(method='ffill',axis=1)答案：B20.在A/B測試中，若實驗指標為“人均GMV”，則該指標屬于（）A.比率型指標B.計數(shù)型指標C.均值型指標D.比例型指標答案：C21.使用Python進行特征選擇時，若使用SelectKBest與卡方檢驗，要求特征必須是（）A.非負數(shù)值B.標準化后的數(shù)值C.正態(tài)分布D.離散類別答案：A22.在SQL中，若需將用戶表與訂單表左連接，并保留所有用戶記錄，應(yīng)使用的連接關(guān)鍵字是（）A.LEFTJOINB.RIGHTJOINC.INNERJOIND.FULLOUTERJOIN答案：A23.在Python中，使用matplotlib設(shè)置中文字體避免亂碼，常用的全局設(shè)置代碼是（）A.plt.rcParams['font.sansserif']=['SimHei']B.plt.rcParams['font.family']='Arial'C.plt.rcParams['axes.unicode_minus']=TrueD.plt.style.use('ggplot')答案：A24.在數(shù)據(jù)倉庫中，星型模型與雪花模型的主要區(qū)別是（）A.是否使用事實表B.維度表是否規(guī)范化C.是否支持OLAPD.是否使用外鍵答案：B25.使用Python進行模型評估時，若類別極度不平衡，應(yīng)優(yōu)先查看的指標是（）A.AccuracyB.F1scoreC.AUCROCD.Precision@K答案：B26.在Tableau中，若需創(chuàng)建“TopN”篩選器，應(yīng)使用的功能路徑是（）A.右鍵維度→篩選器→Top→按字段B.分析→匯總C.工作表→操作D.數(shù)據(jù)→提取答案：A27.在Python中，使用pandas將字符串“￥1,234.56”轉(zhuǎn)為浮點數(shù)，正確代碼是（）A.pd.to_numeric(df['price'].str.replace('[,￥]','',regex=True))B.df['price'].astype(float)C.float(df['price'])D.df['price'].str.strip('￥')答案：A28.在SQL中，若需計算用戶首次購買間隔（注冊到首次購買的天數(shù)），應(yīng)使用的窗口函數(shù)是（）A.MIN(order_date)OVER(PARTITIONBYuser_id)B.FIRST_VALUE(order_date)OVER(PARTITIONBYuser_idORDERBYorder_date)C.ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYorder_date)D.LAG(order_date)OVER(PARTITIONBYuser_idORDERBYorder_date)答案：A29.在Python中，使用sklearn的RandomForestClassifier訓練模型后，查看特征重要性的屬性是（）A.feature_importances_B.coef_C.scores_D.oob_score_答案：A30.在數(shù)據(jù)可視化中，若需展示地理分布，優(yōu)先選擇的圖表是（）A.熱力地圖B.雷達圖C.樹狀圖D.桑基圖答案：A二、多項選擇題（每題2分，共20分。每題有兩個或兩個以上正確答案，請將所有正確選項的字母填在括號內(nèi)，漏選、錯選均不得分）31.以下哪些操作可以有效降低過擬合風險（）A.增加訓練樣本B.減少模型復雜度C.使用L2正則化D.提高學習率答案：A、B、C32.在Python中，以下哪些函數(shù)可用于缺失值填充（）A.df.fillna()B.df.replace()C.erpolate()D.df.dropna()答案：A、C33.以下哪些指標可用于評估回歸模型（）A.MAEB.RMSEC.R2D.AUC答案：A、B、C34.在SQL中，以下哪些語句會觸發(fā)全表掃描（）A.SELECTFROMuserWHEREphoneLIKE'%138%'B.SELECTFROMuserWHEREid=123C.SELECTFROMuserWHEREYEAR(birthday)=1990D.SELECTFROMuserWHEREstatus=1ANDindexonstatus答案：A、C35.以下哪些屬于無監(jiān)督學習算法（）A.KMeansB.DBSCANC.AprioriD.XGBoost答案：A、B、C36.在Python中，以下哪些庫支持深度學習（）A.TensorFlowB.PyTorchC.KerasD.LightGBM答案：A、B、C37.以下哪些方法可用于處理類別不平衡（）A.SMOTE過采樣B.欠采樣C.調(diào)整類別權(quán)重D.增加學習率答案：A、B、C38.以下哪些屬于時間序列的組成部分（）A.趨勢B.季節(jié)性C.隨機波動D.自相關(guān)答案：A、B、C39.在Tableau中，以下哪些操作可創(chuàng)建計算字段（）A.分析→創(chuàng)建計算字段B.數(shù)據(jù)窗格右鍵→創(chuàng)建→計算字段C.工作表→操作→計算字段D.維度右鍵→創(chuàng)建→計算字段答案：B、D40.以下哪些屬于數(shù)據(jù)治理的核心內(nèi)容（）A.數(shù)據(jù)質(zhì)量B.元數(shù)據(jù)管理C.數(shù)據(jù)安全D.數(shù)據(jù)備份答案：A、B、C三、判斷題（每題1分，共10分。正確打“√”，錯誤打“×”）41.在Python中，DataFrame的axis=0表示按列操作。（×）42.使用K折交叉驗證時，K值越大，模型方差越小，但計算成本越高。（√）43.在SQL中，UNION會自動去重，而UNIONALL不會。（√）44.在線性回歸中，多重共線性會導致系數(shù)符號反轉(zhuǎn)。（√）45.在Prophet模型中，changepoint_prior_scale參數(shù)越大，趨勢擬合越靈活。（√）46.在Excel中，VLOOKUP函數(shù)支持向左查找。（×）47.在Python中，使用groupby().agg({'price':'mean'})返回的是Series。（×）48.在Tableau中，上下文篩選器可優(yōu)先于維度篩選器執(zhí)行。（√）49.在聚類分析中，SSE（誤差平方和）隨k增加而單調(diào)遞減。（√）50.在A/B測試中，若p值小于0.05，則可直接認為實驗組指標提升具有業(yè)務(wù)價值。（×）四、簡答題（每題10分，共30分）51.簡述使用Python完成用戶留存率計算的完整步驟，包括數(shù)據(jù)預處理、SQL或pandas邏輯、結(jié)果輸出格式，并給出關(guān)鍵代碼片段。答案：步驟1：數(shù)據(jù)預處理假設(shè)訂單表orders(user_idstring,order_datedate)。使用pandas讀取數(shù)據(jù)并去重：df=pd.read_sql("SELECTDISTINCTuser_id,order_dateFROMorders",conn)df['order_date']=pd.to_datetime(df['order_date'])步驟2：計算新增用戶表new_users=df.groupby('user_id')['order_date'].min().reset_index()new_users.columns=['user_id','reg_date']步驟3：計算次日留存df['next_day']=df['order_date']+pd.Timedelta(days=1)retain=df.merge(new_users,on='user_id',how='inner')retain=retain[retain['order_date']==retain['next_day']]retain_cnt=retain.groupby('reg_date')['user_id'].nunique()new_cnt=new_users.groupby('reg_date')['user_id'].nunique()result=(retain_cnt/new_cnt).fillna(0).reset_index()result.columns=['reg_date','retain_1d_rate']result.to_csv('retain_1d.csv',index=False)52.某電商平臺發(fā)現(xiàn)“618”大促期間GMV同比提升30%，但凈利潤下降5%。請從數(shù)據(jù)分析師角度，列出至少5條可驗證的假設(shè)，并給出對應(yīng)的驗證指標與數(shù)據(jù)表需求。答案：假設(shè)1：補貼率過高驗證指標：補貼金額/GMV（補貼率）數(shù)據(jù)表：promotion_order(order_id,subsidy_amount,gmv)假設(shè)2：退貨率上升驗證指標：退貨金額/GMV數(shù)據(jù)表：order_return(return_id,order_id,return_amount)假設(shè)3：低毛利品類占比提升驗證指標：各品類毛利額占比數(shù)據(jù)表：order_detail(order_id,category,profit)假設(shè)4：物流成本激增驗證指標：物流成本/GMV數(shù)據(jù)表：logistics_cost(order_id,ship_cost)假設(shè)5：廣告投放ROI下降驗證指標：廣告帶來的GMV/廣告花費數(shù)據(jù)表：ad_cost(ad_id,spend)joinad_order(ad_id,order_id,gmv)53.請解釋“數(shù)據(jù)漂移”（DataDrift）與“概念漂移”（ConceptDrift）的區(qū)別，并分別給出在機器學習模型監(jiān)控中的檢測方法與應(yīng)對策略。答案：數(shù)據(jù)漂移：輸入變量的分布發(fā)生變化，但標簽條件分布P(Y|X)不變。檢測方法：1.對連續(xù)變量使用KS檢驗，對類別變量