1+X數(shù)據(jù)分析模塊二綜合試題及答案一、單項選擇題（每題2分，共20分）1.以下哪種方法最適合處理數(shù)值型數(shù)據(jù)中的異常值？A.直接刪除所有異常值B.用該變量的均值替換C.根據(jù)業(yè)務(wù)邏輯判斷后修正或保留D.用相鄰值的中位數(shù)替換2.在進(jìn)行卡方檢驗時，若期望頻數(shù)小于5的單元格比例超過20%，應(yīng)采取的措施是？A.增加樣本量B.合并類別C.改用t檢驗D.不做處理直接計算3.某電商平臺用戶年齡數(shù)據(jù)的偏度系數(shù)為-1.2，說明數(shù)據(jù)分布為？A.右偏（正偏）B.左偏（負(fù)偏）C.正態(tài)分布D.均勻分布4.以下哪項不屬于數(shù)據(jù)清洗的主要任務(wù)？A.處理缺失值B.轉(zhuǎn)換數(shù)據(jù)格式C.計算相關(guān)系數(shù)D.識別并處理異常值5.在Pandas中，若要將DataFrame的“日期”列從字符串格式（如“2023-10-01”）轉(zhuǎn)換為datetime格式，應(yīng)使用的函數(shù)是？A.pd.to_datetime()B.pd.to_timedelta()C.df.astype('datetime')D.df.convert_dtypes()6.SQL中，若要查詢每個客戶的累計消費(fèi)金額（按消費(fèi)時間排序），應(yīng)使用的窗口函數(shù)是？A.ROW_NUMBER()B.RANK()C.SUM()OVER(PARTITIONBY客戶IDORDERBY消費(fèi)時間)D.AVG()OVER(ORDERBY消費(fèi)時間)7.某數(shù)據(jù)集的峰度系數(shù)為3.5，說明數(shù)據(jù)分布比正態(tài)分布？A.更陡峭（尖峰）B.更平緩（平峰）C.無差異D.無法判斷8.在相關(guān)性分析中，Pearson相關(guān)系數(shù)適用于？A.兩個分類變量B.一個分類變量和一個連續(xù)變量C.兩個連續(xù)變量且線性相關(guān)D.兩個有序分類變量9.若要分析“廣告投入”對“銷售額”的影響，且數(shù)據(jù)存在異方差性，應(yīng)優(yōu)先選擇的回歸模型是？A.普通線性回歸（OLS）B.加權(quán)最小二乘回歸（WLS）C.邏輯回歸D.嶺回歸10.以下哪種可視化圖表最適合展示各地區(qū)銷售額占總銷售額的比例？A.折線圖B.柱狀圖C.散點(diǎn)圖D.餅圖二、判斷題（每題1分，共10分）1.缺失值處理時，若缺失數(shù)據(jù)是隨機(jī)的（MAR），直接刪除缺失行不會影響分析結(jié)果的準(zhǔn)確性。（）2.箱線圖中，超過Q3+1.5IQR的值一定是異常值，必須刪除。（）3.卡方檢驗的原假設(shè)是“兩個變量獨(dú)立”，若p值小于0.05，則拒絕原假設(shè)，認(rèn)為變量相關(guān)。（）4.標(biāo)準(zhǔn)化（Z-score）后的數(shù)據(jù)均值為0，標(biāo)準(zhǔn)差為1；歸一化（Min-Max）后的數(shù)據(jù)范圍在[0,1]。（）5.在Pandas中，df.groupby('類別').sum()會自動排除非數(shù)值型列。（）6.SQL的HAVING子句用于過濾分組前的行，WHERE子句用于過濾分組后的結(jié)果。（）7.時間序列數(shù)據(jù)的平穩(wěn)性檢驗可使用ADF檢驗，若p值小于0.05，則拒絕原假設(shè)（存在單位根），認(rèn)為數(shù)據(jù)平穩(wěn)。（）8.邏輯回歸的因變量是連續(xù)型變量，線性回歸的因變量是二分類變量。（）9.熱力圖（Heatmap）常用于展示多個變量間的相關(guān)系數(shù)矩陣。（）10.主成分分析（PCA）的主要目的是降維，保留原始數(shù)據(jù)的大部分方差。（）三、簡答題（每題5分，共20分）1.簡述數(shù)據(jù)清洗中處理缺失值的常用方法及其適用場景。2.說明t檢驗與方差分析（ANOVA）的區(qū)別與聯(lián)系。3.解釋混淆矩陣中TP、TN、FP、FN的含義，并寫出準(zhǔn)確率（Accuracy）和召回率（Recall）的計算公式。4.列舉Pandas中用于數(shù)據(jù)合并的4種方法，并說明各自的適用場景。四、SQL操作題（共20分）背景：某電商數(shù)據(jù)庫包含以下3張表：`用戶表（user）`：user_id（用戶ID，主鍵）、gender（性別）、age（年齡）、注冊時間（reg_time）`訂單表（order）`：order_id（訂單ID，主鍵）、user_id（外鍵）、order_time（下單時間）、total_amount（訂單金額）`商品表（product）`：product_id（商品ID，主鍵）、category（商品類別）、price（單價）、庫存（stock）`訂單詳情表（order_detail）`：order_id（外鍵）、product_id（外鍵）、quantity（購買數(shù)量），主鍵（order_id,product_id）要求：根據(jù)以下需求寫出SQL語句。1.（5分）查詢2023年注冊的女性用戶數(shù)量。2.（5分）查詢每個用戶的累計消費(fèi)金額（按user_id分組，顯示user_id和總金額）。3.（5分）查詢2023年訂單中，購買數(shù)量超過10件的商品類別及其總銷量（需關(guān)聯(lián)訂單時間、訂單詳情和商品表）。4.（5分）查詢2023年客單價（總銷售額/訂單數(shù)）最高的前10個用戶（客單價保留2位小數(shù)）。五、Python數(shù)據(jù)分析題（共30分）背景：某零售公司提供了2023年的銷售數(shù)據(jù)集（sales_data.csv），字段包括：日期（date，格式“YYYY-MM-DD”）、門店ID（store_id）、商品類別（category）、銷售額（sales，單位：元）、客流量（customers）、促銷標(biāo)志（promotion，1=促銷，0=未促銷）。要求：使用Python的Pandas、Matplotlib和Seaborn庫完成以下分析。1.（5分）讀取sales_data.csv文件，查看數(shù)據(jù)基本信息（行數(shù)、列數(shù)、各字段類型、缺失值數(shù)量）。2.（5分）處理缺失值：若“銷售額”缺失，用同門店、同類別商品的日均銷售額填補(bǔ)；若“客流量”缺失，用該門店的月均客流量填補(bǔ)（需先提取月份）。3.（5分）計算各門店的月均銷售額，并按降序排序（輸出前5名門店）。4.（5分）繪制2023年各月份總銷售額的折線圖，添加標(biāo)題、坐標(biāo)軸標(biāo)簽，設(shè)置圖例（月份用“1月”“2月”…表示）。5.（5分）分析促銷對銷售額的影響：計算促銷與非促銷期間的平均銷售額，并用t檢驗驗證差異是否顯著（α=0.05），輸出結(jié)論。6.（5分）計算商品類別與銷售額的相關(guān)性（若類別為分類變量，需先進(jìn)行編碼），并繪制熱圖展示。六、綜合分析題（共20分）背景：某銀行想分析客戶流失（churn，1=流失，0=未流失）的影響因素，收集了10000條客戶數(shù)據(jù)，字段包括：年齡（age）、性別（gender）、賬戶余額（balance）、月均交易次數(shù)（trans_freq）、是否有信用卡（credit_card，1=是，0=否）、客戶層級（level，A/B/C三級）、月收入（income）。任務(wù)：根據(jù)以下步驟完成分析。1.（4分）數(shù)據(jù)預(yù)處理：檢查“年齡”字段是否存在異常值（如負(fù)數(shù)或超過120歲），并處理；將“客戶層級”轉(zhuǎn)換為數(shù)值變量（A=3，B=2，C=1）；對“月收入”進(jìn)行標(biāo)準(zhǔn)化（Z-score）處理。2.（4分）描述性統(tǒng)計分析：計算流失客戶與未流失客戶的年齡均值、賬戶余額中位數(shù)；統(tǒng)計不同性別、客戶層級的流失率（流失率=流失客戶數(shù)/總客戶數(shù)）。3.（4分）可視化分析：繪制年齡與月收入的散點(diǎn)圖，按流失狀態(tài)分組（顏色區(qū)分）；繪制各客戶層級的流失率柱狀圖（顯示具體百分比）。4.（4分）假設(shè)檢驗：檢驗流失客戶與未流失客戶的月均交易次數(shù)是否有顯著差異（α=0.05）；檢驗客戶層級與流失狀態(tài)是否相關(guān)（需選擇合適的檢驗方法）。5.（4分）建立邏輯回歸模型預(yù)測客戶流失：選擇年齡、賬戶余額、月均交易次數(shù)、是否有信用卡、客戶層級（數(shù)值化后）、標(biāo)準(zhǔn)化后的月收入作為自變量；輸出模型的混淆矩陣和準(zhǔn)確率；解釋模型中“月均交易次數(shù)”系數(shù)的含義。---答案一、單項選擇題1.C2.B3.B4.C5.A6.C7.A8.C9.B10.D二、判斷題1.×（MAR需謹(jǐn)慎刪除，可能導(dǎo)致偏差）2.×（異常值需結(jié)合業(yè)務(wù)判斷）3.√4.√5.√6.×（WHERE過濾行，HAVING過濾分組）7.√8.×（邏輯回歸因變量是二分類，線性回歸是連續(xù)）9.√10.√三、簡答題1.常用方法及場景：刪除法：缺失比例低（如<5%）且無規(guī)律；均值/中位數(shù)/眾數(shù)填充：數(shù)值型用均值/中位數(shù)（無極端值），分類型用眾數(shù)；插值法（如線性插值）：時間序列數(shù)據(jù)；模型預(yù)測填充：缺失數(shù)據(jù)與其他變量強(qiáng)相關(guān)時（如用回歸模型預(yù)測缺失值）。2.區(qū)別：t檢驗用于兩組均值比較，ANOVA用于三組及以上；聯(lián)系：均基于正態(tài)分布假設(shè)，ANOVA可視為t檢驗的擴(kuò)展，且組間兩兩比較可用t檢驗（需校正）。3.TP（真正例）：實際正類預(yù)測為正；TN（真反例）：實際反類預(yù)測為反；FP（假正例）：實際反類預(yù)測為正；FN（假反例）：實際正類預(yù)測為反。準(zhǔn)確率=（TP+TN）/(TP+TN+FP+FN)；召回率=TP/(TP+FN)。4.合并方法：merge()：按鍵連接（類似SQL的JOIN），適用于多表關(guān)聯(lián)；concat()：按行或列堆疊，適用于結(jié)構(gòu)相同的表合并；append()：行方向追加（已棄用，推薦concat）；join()：按索引連接，適用于索引對齊的表合并。四、SQL操作題1.`SELECTCOUNT()FROMuserWHEREgender='女'ANDYEAR(reg_time)=2023;`2.`SELECTo.user_id,SUM(o.total_amount)AS總金額FROMorderoGROUPBYo.user_id;`3.```sqlSELECTp.category,SUM(od.quantity)AS總銷量FROMorderoJOINorder_detailodONo.order_id=od.order_idJOINproductpONduct_id=duct_idWHEREYEAR(o.order_time)=2023ANDod.quantity>10GROUPBYp.category;```4.```sqlSELECTo.user_id,ROUND(SUM(o.total_amount)/COUNT(o.order_id),2)AS客單價FROMorderoWHEREYEAR(o.order_time)=2023GROUPBYo.user_idORDERBY客單價DESCLIMIT10;```五、Python數(shù)據(jù)分析題（關(guān)鍵代碼）1.```pythonimportpandasaspddf=pd.read_csv('sales_data.csv')print(f"行數(shù)：{df.shape[0]},列數(shù)：{df.shape[1]}")print(df.dtypes)print(df.isnull().sum())```2.```python處理銷售額缺失（同門店、同類別日均銷售額）df['date']=pd.to_datetime(df['date'])df['day']=df['date'].dt.dayavg_sales=df.groupby(['store_id','category','day'])['sales'].transform('mean')df['sales']=df['sales'].fillna(avg_sales)處理客流量缺失（門店月均客流量）df['month']=df['date'].dt.monthavg_customers=df.groupby(['store_id','month'])['customers'].transform('mean')df['customers']=df['customers'].fillna(avg_customers)```3.```pythondf['month']=df['date'].dt.monthmonthly_sales=df.groupby(['store_id','month'])['sales'].sum().reset_index()store_avg=monthly_sales.groupby('store_id')['sales'].mean().sort_values(ascending=False).head(5)print(store_avg)```4.```pythonimportmatplotlib.pyplotaspltmonth_total=df.groupby('month')['sales'].sum()plt.plot(month_total.index,month_total.values,marker='o')plt.title('2023年月度總銷售額趨勢')plt.xlabel('月份')plt.ylabel('銷售額（元）')plt.xticks(range(1,13),[f'{i}月'foriinrange(1,13)])plt.legend(['總銷售額'])plt.show()```5.```pythonfromscipyimportstatspromo_sales=df[df['promotion']==1]['sales']non_promo_sales=df[df['promotion']==0]['sales']t_stat,p_value=stats.ttest_ind(promo_sales,non_promo_sales)print(f"促銷平均銷售額：{promo_sales.mean():.2f}，非促銷：{non_promo_sales.mean():.2f}")print(f"t檢驗p值：{p_value:.4f}")ifp_value<0.05:print("結(jié)論：促銷對銷售額有顯著影響")else:print("結(jié)論：促銷對銷售額無顯著影響")```6.```pythonimportseabornassns類別編碼（獨(dú)熱編碼）category_encoded=pd.get_dummies(df['category'],prefix='category')df_encoded=pd.concat([df,category_encoded],axis=1)計算相關(guān)性corr=df_encoded[['sales']+list(category_encoded.columns)].corr()繪制熱圖plt.figure(figsize=(10,6))sns.heatmap(corr,annot=True,cmap='coolwarm')plt.title('商品類別與銷售額相關(guān)性熱圖')plt.show()```六、綜合分析題（關(guān)鍵步驟）1.數(shù)據(jù)預(yù)處理：`df=df[(df['age']>0)&(df['age']<=120)]`（刪除異常年齡）；`df['level']=df['level'].map({'A':3,'B':2,'C':1})`；`df['income_z']=(df['income']df['income'].mean())/df['income'].std()`。2.描述性統(tǒng)計：流失客戶年齡均值：`df[df['churn']==1]['age'].mean()`；未流失：`df[df['churn']==0]['age'].mean()`；賬戶余額中位數(shù)：`df.groupby('churn')['balance'].median()`；流失率計算：`df.groupby(['gender','chur