2026年面試題及答案：Python數(shù)據(jù)分析一、選擇題（每題2分，共10題）1.在Python中，以下哪個庫主要用于數(shù)據(jù)分析和可視化？A.PyTorchB.TensorFlowC.PandasD.Scikit-learn2.以下哪種方法可以高效地處理大規(guī)模數(shù)據(jù)集（如GB級）？A.讀取為PandasDataFrameB.使用Dask進行分布式計算C.將數(shù)據(jù)存儲為CSV文件后逐行讀取D.以上都不對3.在Pandas中，`groupby`函數(shù)的`as_index=False`參數(shù)的作用是什么？A.防止分組后索引重置B.禁止對分組結(jié)果進行聚合C.將分組結(jié)果轉(zhuǎn)換為多級索引D.以上都不對4.以下哪個函數(shù)可以用來計算DataFrame中數(shù)值列的描述性統(tǒng)計（均值、標(biāo)準(zhǔn)差等）？A.`describe()`B.`summarize()`C.`statistics()`D.`aggregate()`5.在Matplotlib中，如何調(diào)整圖表的字體大??？A.`plt.rcParams['font.size']=12`B.`plt.setFontSize(12)`C.`fig.setFontsize(12)`D.以上都不對6.以下哪個方法可以用來去除PandasDataFrame中的重復(fù)行？A.`drop_duplicates()`B.`remove_duplicates()`C.`unique()`D.`delete_duplicates()`7.在Python中，以下哪種數(shù)據(jù)結(jié)構(gòu)最適合存儲鍵值對？A.ListB.TupleC.DictionaryD.Set8.以下哪個庫可以用于自然語言處理（NLP）任務(wù)？A.NumPyB.SciPyC.NLTKD.PyTorch9.在數(shù)據(jù)清洗中，如何處理缺失值（NaN）？A.使用`fillna()`填充B.使用`dropna()`刪除C.以上都對D.以上都不對10.以下哪個方法可以用來對PandasDataFrame進行排序？A.`sort_values()`B.`order()`C.`sort()`D.`arrange()`二、填空題（每空1分，共5題）1.在Pandas中，使用_________函數(shù)可以快速查看DataFrame的前幾行數(shù)據(jù)。2.Matplotlib中的_________函數(shù)用于繪制折線圖。3.在Python中，使用_________庫可以進行時間序列分析。4.以下代碼片段中，_________方法可以用來計算DataFrame中兩列的相關(guān)系數(shù)。pythondf['col1'].corr(df['col2'])5.使用_________函數(shù)可以將PandasDataFrame轉(zhuǎn)換為CSV文件。三、簡答題（每題5分，共5題）1.簡述Pandas中`merge`函數(shù)的用途及其常用參數(shù)。2.如何使用Matplotlib繪制散點圖，并添加標(biāo)題和坐標(biāo)軸標(biāo)簽？3.解釋Python中`lambda`函數(shù)的用途，并舉例說明。4.在數(shù)據(jù)預(yù)處理中，如何處理異常值（Outliers）？5.介紹Pandas中`apply`函數(shù)的作用，并說明其與`map`的區(qū)別。四、編程題（每題15分，共2題）1.數(shù)據(jù)清洗與處理假設(shè)你有一份包含以下列的CSV文件（`sales_data.csv`）：-`date`（日期）-`region`（地區(qū)）-`sales`（銷售額）-`profit`（利潤）請完成以下任務(wù)：a.讀取CSV文件到PandasDataFrame。b.將`date`列轉(zhuǎn)換為日期格式，并提取年份到新列`year`。c.計算每個地區(qū)的總銷售額，并按銷售額降序排列。d.去除利潤為負(fù)的行，并保存清洗后的數(shù)據(jù)到新的CSV文件（`clean_sales_data.csv`）。2.數(shù)據(jù)可視化與分析假設(shè)你有一份包含以下列的DataFrame：-`product`（產(chǎn)品名稱）-`category`（類別）-`price`（價格）-`rating`（評分）請完成以下任務(wù)：a.使用Matplotlib繪制每個類別的平均價格和平均評分的柱狀圖。b.使用Seaborn繪制價格的箱線圖，并按類別分組。c.計算每個產(chǎn)品的評分與價格的相關(guān)系數(shù)，并繪制散點圖，其中散點顏色根據(jù)類別區(qū)分。答案與解析一、選擇題答案1.C（Pandas是數(shù)據(jù)分析的核心庫，PyTorch和TensorFlow主要用于機器學(xué)習(xí)，Scikit-learn是機器學(xué)習(xí)工具箱）2.B（Dask支持分布式計算，適合處理大規(guī)模數(shù)據(jù)；Pandas逐行讀取效率低，CSV存儲不高效）3.A（`as_index=False`防止分組后生成多級索引，保留原始索引）4.A（`describe()`提供數(shù)值列的統(tǒng)計描述）5.A（`plt.rcParams['font.size']`全局調(diào)整字體大小）6.A（`drop_duplicates()`去除重復(fù)行）7.C（Dictionary是鍵值對存儲結(jié)構(gòu)）8.C（NLTK是NLP常用庫，NumPy和SciPy用于數(shù)值計算，PyTorch用于深度學(xué)習(xí)）9.C（`fillna()`填充，`dropna()`刪除，兩者都是常用方法）10.A（`sort_values()`按列排序，`order()`已棄用，`sort()`是舊式方法）二、填空題答案1.`head()`2.`plot()`（配合`kind='line'`）3.`statsmodels`（或`pandas`的`resample`）4.`corr()`5.`to_csv()`三、簡答題答案1.Pandas中`merge`函數(shù)的用途及其常用參數(shù)`merge`函數(shù)用于根據(jù)鍵將兩個DataFrame進行合并，類似SQL中的JOIN操作。常用參數(shù)：-`on`：合并的鍵列-`how`：合并方式（`left`、`right`、`inner`、`outer`）-`left_on`/`right_on`：左右DataFrame的鍵列名（當(dāng)鍵列名不一致時）2.Matplotlib繪制散點圖并添加標(biāo)題和標(biāo)簽pythonimportmatplotlib.pyplotaspltplt.scatter(x,y,color='blue')plt.title('ScatterPlotExample')plt.xlabel('X-axisLabel')plt.ylabel('Y-axisLabel')plt.show()3.`lambda`函數(shù)的用途及示例`lambda`函數(shù)是匿名函數(shù)，適用于簡單操作。示例：python等價于defsquare(x):returnx2square=lambdax:x2print(square(5))#輸出254.處理異常值的方法-使用IQR（四分位數(shù)范圍）識別：pythonQ1=df['col'].quantile(0.25)Q3=df['col'].quantile(0.75)IQR=Q3-Q1df=df[(df['col']>=Q1-1.5IQR)&(df['col']<=Q3+1.5IQR)]-使用Z-score法（適用于正態(tài)分布）：pythondf=df[abs(df['col']-df['col'].mean())/df['col'].std()<3]5.`apply`函數(shù)的作用及與`map`的區(qū)別-`apply`用于對DataFrame的行或列執(zhí)行函數(shù)，返回新DataFrame。-`map`用于Series（單列）的元素級操作。示例：pythonapply（對行/列）df['new_col']=df['col'].apply(lambdax:x2)map（對單列）df['col']=df['col'].map(lambdax:x2)四、編程題答案1.數(shù)據(jù)清洗與處理pythonimportpandasaspd讀取CSVdf=pd.read_csv('sales_data.csv')轉(zhuǎn)換日期并提取年份df['date']=pd.to_datetime(df['date'])df['year']=df['date'].dt.year計算地區(qū)總銷售額region_sales=df.groupby('region')['sales'].sum().sort_values(ascending=False)去除利潤為負(fù)的行df_clean=df[df['profit']>=0]保存到CSVdf_clean.to_csv('clean_sales_data.csv',index=False)2.數(shù)據(jù)可視化與分析pythonimportmatplotlib.pyplotaspltimportseabornassns假設(shè)df是已加載的DataFrame柱狀圖：類別平均價格和評分df.groupby('category').agg({'price':'mean','rating':'mean'}).plot(kind='bar')plt.title('AveragePrice&RatingbyCategory')plt.xlabel('Category')plt.ylabel('Value')plt.show()箱線圖：按類別分組的價格sns.boxplot(x='category',y='price',data=df)plt