2025年中職（大數(shù)據(jù)技術(shù)應(yīng)用）數(shù)據(jù)清洗基礎(chǔ)試題及答案

（考試時(shí)間：90分鐘滿分100分）班級(jí)______姓名______第I卷（選擇題共40分）答題要求：本大題共20小題，每小題2分，共40分。在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的，請(qǐng)將正確答案的序號(hào)填在括號(hào)內(nèi)。1.以下哪種數(shù)據(jù)類型不屬于大數(shù)據(jù)常見(jiàn)的數(shù)據(jù)類型（）A.結(jié)構(gòu)化數(shù)據(jù)B.半結(jié)構(gòu)化數(shù)據(jù)C.非結(jié)構(gòu)化數(shù)據(jù)D.靜態(tài)數(shù)據(jù)2.數(shù)據(jù)清洗過(guò)程中，處理缺失值的方法不包括（）A.刪除缺失值所在記錄B.用均值填充C.用最大值填充D.直接忽略3.對(duì)于重復(fù)數(shù)據(jù)的處理，以下說(shuō)法錯(cuò)誤的是（）A.可以直接刪除重復(fù)記錄B.保留一條，其余刪除C.對(duì)重復(fù)數(shù)據(jù)進(jìn)行合并D.無(wú)需處理重復(fù)數(shù)據(jù)4.數(shù)據(jù)清洗中，檢測(cè)數(shù)據(jù)一致性的目的是（）A.確保數(shù)據(jù)格式一致B.確保數(shù)據(jù)內(nèi)容一致C.確保數(shù)據(jù)來(lái)源一致D.以上都是5.以下哪種字符編碼在大數(shù)據(jù)處理中較為常用（）A.ASCIIB.GBKC.UTF-8D.ISO-8859-16.數(shù)據(jù)清洗時(shí)，判斷數(shù)據(jù)是否異常的常用方法是（）A.對(duì)比歷史數(shù)據(jù)B.查看數(shù)據(jù)格式C.檢查數(shù)據(jù)長(zhǎng)度D.以上都不是7.對(duì)于錯(cuò)誤數(shù)據(jù)，以下處理方式不合理的是（）A.修正錯(cuò)誤數(shù)據(jù)B.標(biāo)記錯(cuò)誤數(shù)據(jù)C.直接刪除錯(cuò)誤數(shù)據(jù)D.不做任何處理8.數(shù)據(jù)清洗的第一步通常是（）A.數(shù)據(jù)集成B.數(shù)據(jù)預(yù)處理C.數(shù)據(jù)質(zhì)量評(píng)估D.數(shù)據(jù)轉(zhuǎn)換9.以下哪種數(shù)據(jù)庫(kù)在大數(shù)據(jù)存儲(chǔ)方面應(yīng)用廣泛（）A.MySQLB.OracleC.MongoDBD.SQLServer10.數(shù)據(jù)清洗中，處理數(shù)據(jù)噪聲的方法有（）A.濾波B.平滑C.以上都是D.以上都不是11.對(duì)于數(shù)據(jù)清洗中的數(shù)據(jù)標(biāo)準(zhǔn)化，以下說(shuō)法正確的是（）A.使數(shù)據(jù)符合特定的格式B.使數(shù)據(jù)具有相同的尺度C.使數(shù)據(jù)具有相同的行數(shù)D.使數(shù)據(jù)具有相同的列數(shù)12.以下哪種情況不屬于數(shù)據(jù)清洗的范疇（）A.數(shù)據(jù)加密B.去除無(wú)效數(shù)據(jù)C.糾正錯(cuò)誤數(shù)據(jù)D.統(tǒng)一數(shù)據(jù)格式13.數(shù)據(jù)清洗時(shí)，對(duì)于日期格式的數(shù)據(jù)，常見(jiàn)的問(wèn)題不包括（）A.格式不一致B.日期范圍不合理C.日期精度不夠D.日期顏色不同14.大數(shù)據(jù)環(huán)境下，數(shù)據(jù)清洗的效率主要受以下因素影響（）A.數(shù)據(jù)量大小B.數(shù)據(jù)類型復(fù)雜程度C.硬件性能D.以上都是15.以下哪種工具不常用于數(shù)據(jù)清洗（）A.PythonB.RC.ExcelD.Photoshop16.數(shù)據(jù)清洗中，對(duì)于文本數(shù)據(jù)的處理，常見(jiàn)操作有（）A.去除停用詞B.提取關(guān)鍵詞C.以上都是D.以上都不是17.數(shù)據(jù)清洗的目標(biāo)不包括（）A.提高數(shù)據(jù)質(zhì)量B.減少數(shù)據(jù)冗余C.增加數(shù)據(jù)數(shù)量D.提升數(shù)據(jù)可用性18.對(duì)于數(shù)值型數(shù)據(jù)，數(shù)據(jù)清洗時(shí)可能需要處理的問(wèn)題有（）A.異常值B.數(shù)據(jù)缺失C.以上都是D.以上都不是19.數(shù)據(jù)清洗過(guò)程中，數(shù)據(jù)轉(zhuǎn)換的目的不包括（）A.改變數(shù)據(jù)格式B.改變數(shù)據(jù)內(nèi)容C.提高數(shù)據(jù)可讀性D.降低數(shù)據(jù)安全性20.以下哪種數(shù)據(jù)清洗策略適用于對(duì)數(shù)據(jù)質(zhì)量要求較高的場(chǎng)景（）A.簡(jiǎn)單刪除策略B.數(shù)據(jù)替換策略C.復(fù)雜清洗策略D.不清洗策略第II卷（非選擇題共60分）21.（共10分）簡(jiǎn)述數(shù)據(jù)清洗的主要步驟及每一步驟的作用。22.（共10分）在數(shù)據(jù)清洗中，如何檢測(cè)和處理數(shù)據(jù)中的重復(fù)記錄？23.（共10分）請(qǐng)說(shuō)明數(shù)據(jù)清洗中處理缺失值的常見(jiàn)方法及其優(yōu)缺點(diǎn)。24.（共15分）閱讀以下材料：在某電商平臺(tái)的用戶數(shù)據(jù)中，發(fā)現(xiàn)部分用戶的年齡字段存在異常值。有的年齡值為負(fù)數(shù)，有的年齡值超過(guò)了150歲。同時(shí)，部分用戶的地址字段存在缺失值。問(wèn)題：針對(duì)上述情況，應(yīng)如何進(jìn)行數(shù)據(jù)清洗？請(qǐng)分別闡述對(duì)年齡字段和地址字段的清洗方法。25.（共15分）閱讀以下材料：某公司的銷售數(shù)據(jù)中，存在一些數(shù)據(jù)記錄的銷售額字段為0，經(jīng)過(guò)分析發(fā)現(xiàn)這些記錄并非真實(shí)的銷售額為0，而是數(shù)據(jù)錄入錯(cuò)誤。另外，部分產(chǎn)品名稱字段存在重復(fù)且不一致的情況，如“蘋果手機(jī)”和“iPhone手機(jī)”。問(wèn)題：請(qǐng)針對(duì)該銷售數(shù)據(jù)的問(wèn)題，提出相應(yīng)的數(shù)據(jù)清洗方案，并說(shuō)明理由。答案：1.D2.D3.D4.D5.C6.A7.D8.C9.C10.C11.B12.A13.D14.D15.D16.C17.C18.C19.D20.C21.數(shù)據(jù)清洗主要步驟及作用：首先是數(shù)據(jù)質(zhì)量評(píng)估，通過(guò)多種方法評(píng)估數(shù)據(jù)的準(zhǔn)確性、完整性、一致性等，找出存在問(wèn)題的數(shù)據(jù)，為后續(xù)清洗提供依據(jù)。接著是去除無(wú)效數(shù)據(jù)，如刪除明顯錯(cuò)誤、重復(fù)或無(wú)意義的數(shù)據(jù)記錄。然后處理缺失值，可采用填充、刪除等方法使數(shù)據(jù)完整。再處理重復(fù)數(shù)據(jù)，保證數(shù)據(jù)的唯一性。最后進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，使數(shù)據(jù)具有統(tǒng)一的格式和尺度，便于后續(xù)分析。22.檢測(cè)重復(fù)記錄可通過(guò)比較記錄的關(guān)鍵字段值來(lái)實(shí)現(xiàn)。對(duì)于完全相同的記錄可直接判斷為重復(fù)。處理重復(fù)記錄時(shí)，可選擇直接刪除重復(fù)記錄，但可能會(huì)丟失有用信息；也可保留一條記錄，其余刪除；還可以對(duì)重復(fù)數(shù)據(jù)進(jìn)行合并，如合并相同客戶的不同購(gòu)買記錄等。根據(jù)具體業(yè)務(wù)需求選擇合適的處理方式。23.處理缺失值常見(jiàn)方法及優(yōu)缺點(diǎn)：均值填充，優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，能使數(shù)據(jù)保持一定的完整性；缺點(diǎn)是可能掩蓋數(shù)據(jù)的真實(shí)分布。中位數(shù)填充，優(yōu)點(diǎn)是受異常值影響?。蝗秉c(diǎn)是不能完全反映數(shù)據(jù)特征。刪除缺失值所在記錄，優(yōu)點(diǎn)是簡(jiǎn)單直接；缺點(diǎn)是會(huì)損失數(shù)據(jù)量，可能導(dǎo)致信息不完整。插補(bǔ)法，優(yōu)點(diǎn)是能更準(zhǔn)確地填充缺失值；缺點(diǎn)是計(jì)算復(fù)雜。24.對(duì)于年齡字段，先刪除年齡為負(fù)數(shù)和超過(guò)150歲的異常值記錄。對(duì)于地址字段的缺失值，可采用均值填充（若地址有一定規(guī)律），或用“未知地址”等統(tǒng)一標(biāo)記填充，也可刪除缺失值所在記錄，具體根據(jù)數(shù)據(jù)量和業(yè)務(wù)需求