2026年數據分析師數據面試及筆試備考指南含答案一、選擇題（共5題，每題2分）1.在處理缺失值時，以下哪種方法最適用于連續(xù)型數據？A.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.插值法答案：B解析：均值或中位數填充適用于連續(xù)型數據，眾數填充適用于分類數據。刪除行會導致數據量減少，插值法適用于時間序列數據。2.以下哪個指標最適合衡量分類模型的預測準確性？A.變異系數（CV）B.AUCC.F1分數D.決定系數（R2）答案：C解析：F1分數綜合了精確率和召回率，適合不平衡數據集。CV用于衡量數據離散程度，AUC用于衡量模型區(qū)分能力，R2用于回歸模型。3.在數據可視化中，哪種圖表最適合展示時間序列趨勢？A.散點圖B.餅圖C.折線圖D.熱力圖答案：C解析：折線圖直觀展示時間序列變化趨勢，散點圖用于相關性分析，餅圖用于占比展示，熱力圖用于二維數據密度展示。4.以下哪個SQL語句可以用來計算某城市用戶的平均訂單金額？A.`SELECTCOUNT()FROMorders`B.`SELECTAVG(order_amount)FROMordersWHEREcity='上海'`C.`SELECTMAX(order_amount)FROMorders`D.`SELECTSUM(order_amount)/COUNT()FROMorders`答案：B解析：選項B直接計算指定城市用戶的平均訂單金額。選項A計算訂單總數，選項C計算最大金額，選項D計算總和除以數量，但未限定城市。5.在機器學習中，過擬合通常表現為？A.模型在訓練集上表現極好，但在測試集上表現差B.模型訓練時間過長C.模型參數過多D.數據量不足答案：A解析：過擬合指模型對訓練數據過度擬合，泛化能力差。選項B、C、D可能伴隨過擬合，但不是直接表現。二、填空題（共5題，每題2分）1.在數據預處理中，將缺失值用固定值（如0）填充的方法稱為______填充。答案：常量2.交叉驗證通常用______折來評估模型性能。答案：K（如5折、10折）3.SQL中，使用______關鍵字對數據進行排序。答案：ORDERBY4.在Excel中，使用______函數計算數據的中位數。答案：MEDIAN5.邏輯回歸模型的輸出通常介于______之間。答案：0和1三、簡答題（共3題，每題5分）1.簡述數據清洗的步驟。答案：1.缺失值處理：刪除、填充（均值/中位數/眾數/插值）。2.異常值檢測：箱線圖、Z-score法識別并處理。3.重復值處理：刪除重復記錄。4.數據類型轉換：如將字符串轉換為數值型。5.格式統(tǒng)一：如日期格式標準化。2.解釋什么是“數據傾斜”，如何解決？答案：數據傾斜：分布式計算中某節(jié)點數據量過大，導致計算時間延長。解決方法：-加鹽（Partitioning）：將數據隨機分配到更多節(jié)點。-使用更均勻的鍵：避免單一鍵值集中大量數據。-參數調優(yōu)：增加并行度或優(yōu)化算法。3.描述A/B測試的基本流程。答案：1.定義目標：如提升點擊率。2.分組用戶：隨機分配到對照組（A）和實驗組（B）。3.收集數據：記錄兩組關鍵指標。4.統(tǒng)計分析：用假設檢驗（如t檢驗）判斷差異是否顯著。5.決策：根據結果決定是否上線新方案。四、SQL題（共3題，每題6分）1.查詢2025年1月上海用戶的總訂單金額，結果按金額降序排列。sqlSELECTSUM(order_amount)AStotal_amountFROMordersWHEREcity='上海'ANDorder_dateBETWEEN'2025-01-01'AND'2025-01-31'ORDERBYtotal_amountDESC;2.查詢每個用戶的訂單數量，并篩選出訂單數量超過10的用戶。sqlSELECTuser_id,COUNT()ASorder_countFROMordersGROUPBYuser_idHAVINGCOUNT()>10;3.查詢同時購買過“手機”和“耳機”的用戶數量。sqlSELECTCOUNT(DISTINCTuser_id)ASuser_countFROMorderso1JOINorderso2ONo1.user_id=o2.user_idWHEREduct='手機'ANDduct='耳機'ANDo1.order_id!=o2.order_id;五、編程題（Python，共2題，每題10分）1.用Python計算一組數據的分位數（25th,50th,75th）。pythonimportnumpyasnpdata=[12,35,45,22,18,60,55,30,28,50]quantiles=np.percentile(data,[25,50,75])print("25thpercentile:",quantiles[0])#25thprint("50thpercentile:",quantiles[1])#50thprint("75thpercentile:",quantiles[2])#75th2.用Pandas統(tǒng)計某城市用戶的年齡分布（年齡段：0-18,19-35,36-60,60+）。pythonimportpandasaspddata={'age':[15,25,40,65,12,38,70,22]}df=pd.DataFrame(data)bins=[0,18,35,60,float('inf')]labels=['0-18','19-35','36-60','60+']df['age_group']=pd.cut(df['age'],bins=bins,labels=labels)age_distribution=df['age_group'].value_counts()print(age_distribution)六、業(yè)務分析題（共2題，每題10分）1.假設你是某電商平臺的數據分析師，如何分析用戶購買“家電”后的復購行為？答案：1.定義復購：統(tǒng)計用戶購買家電后的時間間隔（如30天內再次購買）。2.用戶分層：按復購次數（1次/多次）或復購率分組。3.關聯分析：家電復購用戶常買的其他品類（如家居用品）。4.流失預警：識別未復購用戶，分析流失原因（如價格敏感、體驗差）。5.優(yōu)化建議：針對性推送家電維修/保養(yǎng)信息，或設計會員積分獎勵。2.某外賣平臺想提升用戶下單時長，你會如何分析？答案：1.數據拆解：分析下單時長分布，區(qū)分正常/