2026年數(shù)據(jù)分析師DA面試題集一、選擇題（共5題，每題2分）1.題目：在處理缺失值時，以下哪種方法通常會導(dǎo)致數(shù)據(jù)偏差最??？（）A.刪除含有缺失值的樣本B.使用均值/中位數(shù)/眾數(shù)填充C.使用KNN算法填充D.使用回歸模型預(yù)測填充2.題目：以下哪個指標(biāo)最適合衡量分類模型的泛化能力？（）A.準(zhǔn)確率（Accuracy）B.AUC（AreaUnderCurve）C.F1分?jǐn)?shù)（F1-Score）D.過擬合率（OverfittingRate）3.題目：在時間序列分析中，ARIMA模型適用于哪種類型的數(shù)據(jù)序列？（）A.非平穩(wěn)序列B.平穩(wěn)序列C.季節(jié)性序列D.隨機游走序列4.題目：以下哪種數(shù)據(jù)庫最適合存儲結(jié)構(gòu)化數(shù)據(jù)？（）A.NoSQL數(shù)據(jù)庫（如MongoDB）B.NewSQL數(shù)據(jù)庫（如AmazonAurora）C.圖數(shù)據(jù)庫（如Neo4j）D.列式數(shù)據(jù)庫（如ClickHouse）5.題目：在數(shù)據(jù)可視化中，以下哪種圖表最適合展示不同類別之間的比例關(guān)系？（）A.折線圖B.散點圖C.餅圖D.柱狀圖二、簡答題（共3題，每題5分）1.題目：簡述特征工程在數(shù)據(jù)分析中的重要性，并舉例說明如何進行特征工程。2.題目：解釋交叉驗證（Cross-Validation）的概念及其在模型評估中的作用。3.題目：描述一下如何處理數(shù)據(jù)中的異常值，并說明不同處理方法的優(yōu)缺點。三、計算題（共2題，每題10分）1.題目：假設(shè)某電商平臺的用戶購買行為數(shù)據(jù)如下表所示，請計算該平臺的用戶平均購買金額（保留兩位小數(shù)）。|用戶ID|購買金額（元）|購買次數(shù)||--||-||1|120|2||2|300|1||3|150|3||4|200|2|2.題目：某城市交通管理部門收集了2023年1月至12月的交通事故數(shù)據(jù)，發(fā)現(xiàn)1月、4月、7月和10月的交通事故數(shù)量顯著高于其他月份。請基于此現(xiàn)象，提出至少兩種可能的解釋，并說明如何通過數(shù)據(jù)分析驗證這些假設(shè)。四、編程題（共2題，每題15分）1.題目：使用Python的Pandas庫，對以下數(shù)據(jù)集進行以下操作：-計算每個用戶的總購買金額。-找出購買金額最高的用戶。-繪制用戶購買金額的分布直方圖。pythonimportpandasaspddata={'用戶ID':[1,2,3,4,5],'購買金額（元）':[120,300,150,200,180]}df=pd.DataFrame(data)2.題目：假設(shè)你正在使用邏輯回歸模型預(yù)測用戶是否會流失，請寫出以下步驟的代碼：-加載數(shù)據(jù)集。-對數(shù)據(jù)進行特征縮放。-訓(xùn)練邏輯回歸模型。-預(yù)測用戶流失情況并計算準(zhǔn)確率。pythonimportpandasaspdfromsklearn.linear_modelimportLogisticRegressionfromsklearn.preprocessingimportStandardScalerfromsklearn.model_selectionimporttrain_test_split示例數(shù)據(jù)集data={'特征1':[0.5,1.2,0.8,1.0],'特征2':[1.0,0.9,1.1,0.7],'是否流失':[0,1,0,1]}df=pd.DataFrame(data)五、開放題（共1題，20分）1.題目：假設(shè)你是一家零售公司的數(shù)據(jù)分析師，公司希望通過數(shù)據(jù)分析提升用戶復(fù)購率。請?zhí)岢鲆粋€完整的分析方案，包括以下內(nèi)容：-數(shù)據(jù)收集與清洗。-核心指標(biāo)定義（如復(fù)購率、LTV等）。-分析方法（如用戶分群、路徑分析等）。-可視化呈現(xiàn)與建議。答案與解析一、選擇題答案與解析1.答案：C解析：KNN算法通過距離度量填充缺失值，能夠保留數(shù)據(jù)分布的局部特征，偏差相對較小。均值/中位數(shù)填充簡單但可能忽略數(shù)據(jù)分布的復(fù)雜性；刪除樣本會導(dǎo)致信息損失；回歸模型預(yù)測填充計算復(fù)雜且可能引入額外偏差。2.答案：B解析：AUC衡量模型在不同閾值下的分類性能，不受類別不平衡影響，適合評估泛化能力。準(zhǔn)確率易受類別不平衡誤導(dǎo)；F1分?jǐn)?shù)側(cè)重精確率和召回率的平衡；過擬合率描述模型對訓(xùn)練數(shù)據(jù)的擬合程度，而非泛化能力。3.答案：B解析：ARIMA模型適用于平穩(wěn)序列，通過差分處理非平穩(wěn)性。非平穩(wěn)序列需先差分；季節(jié)性序列需結(jié)合季節(jié)性ARIMA（SARIMA）；隨機游走序列通常用GARCH模型。4.答案：B解析：NewSQL數(shù)據(jù)庫（如AmazonAurora）結(jié)合了SQL的靈活性和NoSQL的擴展性，適合結(jié)構(gòu)化數(shù)據(jù)。NoSQL適合非結(jié)構(gòu)化數(shù)據(jù)；圖數(shù)據(jù)庫用于關(guān)系數(shù)據(jù)；列式數(shù)據(jù)庫適合大數(shù)據(jù)分析。5.答案：C解析：餅圖直觀展示各部分占比，適合分類數(shù)據(jù)比例展示。折線圖用于趨勢；散點圖用于相關(guān)性；柱狀圖用于比較數(shù)量。二、簡答題答案與解析1.答案：重要性：特征工程能顯著提升模型性能，通過轉(zhuǎn)換、組合、篩選原始數(shù)據(jù)，使模型更易捕捉數(shù)據(jù)規(guī)律。例如，將用戶注冊時間轉(zhuǎn)換為星期幾，可能揭示購物行為周期性。舉例：-特征轉(zhuǎn)換：對年齡進行分段（如青年、中年、老年）。-特征組合：計算“購買金額/購買次數(shù)”得到“客單價”。2.答案：概念：交叉驗證將數(shù)據(jù)分為k份，輪流用k-1份訓(xùn)練、1份驗證，重復(fù)k次取平均值，減少單一劃分帶來的偏差。作用：評估模型泛化能力，避免過擬合；優(yōu)化超參數(shù)。3.答案：處理方法：-刪除：適用于異常值極少且不影響整體分布。-替換：用均值/中位數(shù)/眾數(shù)填充，適用于異常值占比小。-分箱：將異常值歸入特殊區(qū)間，保留數(shù)據(jù)完整性。優(yōu)缺點：刪除丟失信息；替換可能扭曲分布；分箱犧牲精度但保留結(jié)構(gòu)。三、計算題答案與解析1.答案：計算公式：總金額/總次數(shù)=(120+300+150+200)/(2+1+3+2)=770/8=96.25元2.答案：解釋1：節(jié)假日因素（如假期出行增加事故）。驗證方法：-統(tǒng)計各月事故類型（如追尾、闖紅燈），分析節(jié)假日特征。-對比同類型城市數(shù)據(jù)，排除地域差異。四、編程題答案與解析1.答案：pythonimportpandasaspdimportmatplotlib.pyplotaspltdata={'用戶ID':[1,2,3,4,5],'購買金額（元）':[120,300,150,200,180]}df=pd.DataFrame(data)計算總金額df['總金額']=df['購買金額（元）']df['購買次數(shù)']total_amount=df['總金額'].sum()/df['購買次數(shù)'].sum()print(f"平均購買金額：{total_amount:.2f}元")最高金額用戶max_user=df.loc[df['總金額'].idxmax(),'用戶ID']print(f"購買金額最高的用戶：{max_user}")繪制直方圖plt.hist(df['購買金額（元）'],bins=5,edgecolor='k')plt.xlabel('購買金額（元）')plt.ylabel('用戶數(shù)量')plt.title('用戶購買金額分布')plt.show()2.答案：pythonimportpandasaspdfromsklearn.linear_modelimportLogisticRegressionfromsklearn.preprocessingimportStandardScalerfromsklearn.model_selectionimporttrain_test_splitdata={'特征1':[0.5,1.2,0.8,1.0],'特征2':[1.0,0.9,1.1,0.7],'是否流失':[0,1,0,1]}df=pd.DataFrame(data)X=df[['特征1','特征2']]y=df['是否流失']劃分?jǐn)?shù)據(jù)集X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_state=42)特征縮放scaler=StandardScaler()X_train_scaled=scaler.fit_transform(X_train)X_test_scaled=scaler.transform(X_test)訓(xùn)練模型model=LogisticRegression()model.fit(X_train_scaled,y_train)預(yù)測與評估y_pred=model.predict(X_test_scaled)accuracy=(y_pred==y_test).mean()print(f"準(zhǔn)確率：{accuracy:.2f}")五、開放題答案與解析方案：1.數(shù)據(jù)收集與清洗：-收集用戶購買記錄、瀏覽行為、會員信息等。-處理缺失值（如用均值填充年齡）、異常值（如