2026年數(shù)據(jù)分析師數(shù)據(jù)處理及可視化試題及答案

2026年數(shù)據(jù)分析師數(shù)據(jù)處理及可視化試題及答案1.單選題（每題2分，共20分）1.1在Pandas中，下列代碼執(zhí)行后df的行數(shù)是多少？```pythonimportpandasaspddf=pd.DataFrame({'x':range(5)})df=df[df.x>2].reset_index(drop=True)df=df.drop_duplicates()```A.2??B.3??C.4??D.5答案：A1.2使用NumPy生成服從N(0,1)的1000個(gè)隨機(jī)數(shù)，并計(jì)算其偏度（scipy.stats.skew）。若結(jié)果≈0.02，則下列說(shuō)法正確的是：A.分布左偏?B.分布右偏?C.基本對(duì)稱?D.無(wú)法判斷答案：C1.3在Matplotlib中，欲將x軸刻度標(biāo)簽旋轉(zhuǎn)45°，應(yīng)使用：A.plt.xticks(rotation=45)B.plt.setp(ax.xticks,rotation=45)C.ax.set_xticklabels(rotation=45)D.plt.xlim(rotation=45)答案：A1.4對(duì)高維稀疏矩陣進(jìn)行降維，優(yōu)先選擇：A.PCA?B.t-SNE?C.TruncatedSVD?D.LDA答案：C1.5在SQL中，窗口函數(shù)ROW_NUMBER()OVER(PARTITIONBYdeptORDERBYsalaryDESC)的作用是：A.每個(gè)dept內(nèi)按salary升序編號(hào)?B.全局按salary降序編號(hào)?C.每個(gè)dept內(nèi)按salary降序編號(hào)?D.返回dept內(nèi)最高salary答案：C1.6下列關(guān)于Seaborn的敘述，錯(cuò)誤的是：A.sns.heatmap可繪制相關(guān)系數(shù)矩陣圖?B.sns.pairplot可一次性繪制所有數(shù)值變量?jī)蓛缮Ⅻc(diǎn)圖?C.sns.boxplot只能畫(huà)一個(gè)箱線圖?D.sns.catplot支持kind='bar'答案：C1.7在Python中，對(duì)類別變量進(jìn)行獨(dú)熱編碼后，最可能導(dǎo)致的建模風(fēng)險(xiǎn)是：A.過(guò)擬合?B.欠擬合?C.梯度消失?D.數(shù)據(jù)泄露答案：A1.8使用Scikit-learn的StandardScaler.fit_transform(X)后，X的每一列：A.均值為0方差為1?B.均值為1方差為0?C.最小值為0最大值為1?D.不變答案：A1.9在Tableau中，將維度字段拖到“顏色”標(biāo)記卡，默認(rèn)生成：A.條形圖?B.散點(diǎn)圖?C.填充地圖?D.按類別分色的視圖答案：D1.10對(duì)時(shí)間序列做STL分解后，remainder項(xiàng)的均值理想狀態(tài)下應(yīng)：A.接近0?B.接近1?C.接近季節(jié)周期?D.與趨勢(shì)相同答案：A2.多選題（每題3分，共15分；多選少選均不得分）2.1下列哪些操作會(huì)觸發(fā)Pandas的SettingWithCopyWarning？A.df[df.x>0].y=1?B.df.loc[df.x>0,'y']=1?C.df2=df[df.x>0];df2['y']=1?D.df.iloc[0,0]=100答案：AC2.2關(guān)于特征縮放，下列說(shuō)法正確的是：A.K-均值聚類前必須做?B.樹(shù)模型不需要?C.主成分分析前必須做?D.嶺回歸對(duì)特征量綱敏感答案：ABCD2.3下列圖表適合展示“部分-整體”關(guān)系的有：A.堆疊面積圖?B.餅圖?C.樹(shù)狀圖?D.南丁格爾玫瑰圖答案：ABCD2.4在PowerBI中，可創(chuàng)建“計(jì)算列”的DAX函數(shù)有：A.SUM?B.CALCULATE?C.RELATED?D.IF答案：CD2.5下列屬于Python可視化交互庫(kù)的有：A.Plotly?B.Bokeh?C.Altair?D.Pyecharts答案：ABCD3.填空題（每空2分，共20分）3.1在Pandas中，將字符串列date轉(zhuǎn)為datetime類型并設(shè)為索引，一行代碼為：df.date=pd.to_datetime(df.date);df=df.set_index('date')3.2使用NumPy計(jì)算兩個(gè)數(shù)組a、b的皮爾遜相關(guān)系數(shù)，代碼為：np.corrcoef(a,b)[0,1]3.3在Matplotlib里，設(shè)置圖例字體大小為12的代碼：plt.legend(fontsize=12)3.4SQL語(yǔ)句：SELECTPERCENTILE_CONT(0.5)WITHINGROUP(ORDERBYscore)FROMexam;返回的是：score的中位數(shù)3.5在Scikit-learn中，使用Pipeline將StandardScaler與LogisticRegression串起來(lái)，代碼片段：fromsklearn.pipelineimportPipelinepipe=Pipeline([('sc',StandardScaler()),('clf',LogisticRegression())])3.6在Seaborn中，繪制核密度估計(jì)圖的函數(shù)是：sns.kdeplot3.7Tableau計(jì)算字段里，將字符串“2026-06-01”轉(zhuǎn)為日期函數(shù)：DATE("2026-06-01")3.8對(duì)DataFramedf按列x升序、列y降序排序，代碼：df.sort_values(['x','y'],ascending=[True,False])3.9使用Python獲取當(dāng)前工作目錄的OS模塊命令：os.getcwd()3.10在JupyterNotebook中，查看當(dāng)前變量占用內(nèi)存的魔術(shù)命令：%whos4.判斷題（每題1分，共10分；正確寫(xiě)“T”，錯(cuò)誤寫(xiě)“F”）4.1t-SNE可用于高維稀疏文本向量降維并直接解釋維度含義。?F4.2在Pandas里，df.groupby('city').size()返回Series，索引為city。?T4.3使用Seaborn的sns.heatmap()時(shí)，參數(shù)annot=True可在格子里顯示數(shù)值。?T4.4對(duì)右偏分布取對(duì)數(shù)后，偏度一定變?yōu)樨?fù)值。?F4.5SQL的窗口函數(shù)不能和GROUPBY同時(shí)出現(xiàn)在同一查詢塊。?F4.6Plotly生成的html可離線嵌入網(wǎng)頁(yè)且無(wú)需額外JS文件。?T4.7在PowerBI中，度量值必須使用聚合函數(shù)。?F4.8使用PCA降維后，主成分方向彼此正交。?T4.9在Matplotlib中，plt.savefig('fig.png',dpi=300)將分辨率設(shè)為300dpi。?T4.10在Python中，deldf可立即釋放DataFrame占用的全部?jī)?nèi)存。?F5.簡(jiǎn)答題（共25分）5.1（封閉型，5分）寫(xiě)出Python代碼：對(duì)DataFramedf，計(jì)算每列缺失率并按降序排列，返回Series。答案：```pythonmissing_rate=df.isna().mean().sort_values(ascending=False)```5.2（開(kāi)放型，6分）描述箱線圖五個(gè)統(tǒng)計(jì)量的含義，并說(shuō)明如何利用箱線圖識(shí)別異常值。答案：下邊緣（Q1-1.5IQR）、下四分位數(shù)Q1、中位數(shù)、上四分位數(shù)Q3、上邊緣（Q3+1.5IQR）。異常值判定：小于Q1-1.5IQR或大于Q3+1.5IQR的觀測(cè)值在圖中以單獨(dú)點(diǎn)呈現(xiàn)，可快速識(shí)別潛在異常。5.3（封閉型，6分）給定SQL表sales(date,amount)，寫(xiě)查詢計(jì)算7日移動(dòng)平均銷售額。答案：```sqlSELECTdate,AVG(amount)OVER(ORDERBYdateROWSBETWEEN6PRECEDINGANDCURRENTROW)ASma7FROMsales;```5.4（開(kāi)放型，8分）闡述使用PCA前為何需要標(biāo)準(zhǔn)化，并說(shuō)明在什么場(chǎng)景下可跳過(guò)標(biāo)準(zhǔn)化。答案：PCA受量綱影響，若變量尺度差異大，大尺度變量會(huì)主導(dǎo)主成分方向，導(dǎo)致解釋偏差。標(biāo)準(zhǔn)化使各變量處于同一尺度，確保主成分反映真實(shí)方差結(jié)構(gòu)。可跳過(guò)場(chǎng)景：所有變量已同單位且尺度接近，例如均為已歸一化的圖像像素值（0-255）或相關(guān)系數(shù)矩陣出發(fā)的PCA。6.應(yīng)用題（共60分）6.1數(shù)據(jù)清洗與特征工程（計(jì)算類，15分）文件：telco.csv，包含customerID、tenure、MonthlyCharges、TotalCharges、Churn等。任務(wù)：①讀取并檢查TotalCharges列存在“空格”字符串，將其替換為NaN后轉(zhuǎn)為float。（3分）②計(jì)算tenure為0且TotalCharges缺失的比例。（3分）③構(gòu)造新特征：AvgMonthlyCharge=TotalCharges/(tenure+1e-3)，處理tenure=0時(shí)的除零風(fēng)險(xiǎn)。（4分）④對(duì)Churn做標(biāo)簽編碼，0=No，1=Yes，返回編碼后Series。（3分）⑤將清洗后數(shù)據(jù)保存為telco_clean.csv，不含index。（2分）答案：```pythonimportpandasaspddf=pd.read_csv('telco.csv')df.TotalCharges=pd.to_numeric(df.TotalCharges.replace('',pd.NA),errors='coerce')ratio=df[(df.tenure==0)&(df.TotalCharges.isna())].shape[0]/df.shape[0]df['AvgMonthlyCharge']=df.TotalCharges/(df.tenure+1e-3)df['Churn']=df.Churn.map({'No':0,'Yes':1})df.to_csv('telco_clean.csv',index=False)```6.2可視化設(shè)計(jì)（分析類，15分）沿用telco_clean.csv，完成：①繪制MonthlyCharges與tenure的聯(lián)合分布圖，要求疊加Churn色調(diào)，并加回歸線。（5分）②繪制AvgMonthlyCharge的分布密度圖，按Churn分面，透明度0.5。（5分）③寫(xiě)一段不超過(guò)80字的解讀，指出哪組客戶AvgMonthlyCharge更高。（5分）答案：```pythonimportseabornassns,matplotlib.pyplotaspltsns.jointplot(data=df,x='tenure',y='MonthlyCharges',hue='Churn',kind='reg')g=sns.FacetGrid(df,col='Churn',height=4)g.map(sns.kdeplot,'AvgMonthlyCharge',fill=True,alpha=0.5)plt.show()```解讀：Churn=1的客戶密度峰位于更高AvgMonthlyCharge區(qū)間，表明流失客戶平均月賬單更高。6.3交互式儀表盤(pán)（綜合類，15分）使用PlotlyDash構(gòu)建Web應(yīng)用：需求：①下拉菜單選擇“性別”或“是否老年人”作為分面維度。（5分）②左側(cè)散點(diǎn)圖展示MonthlyChargesvstenure，顏色映射Churn。（5分）③右側(cè)放置箱線圖展示同一維度下TotalCharges分布。（5分）提交app.py核心代碼（不超過(guò)60行）。答案：```pythonimportdash,pandasaspd,plotly.expressaspxfromdashimporthtml,dccdf=pd.read_csv('telco_clean.csv')app=dash.Dash(__name__)app.layout=html.Div([dcc.Dropdown(id='dim',options=[{'label':i,'value':i}foriin['gender','SeniorCitizen']],value='gender',clearable=False),dcc.Graph(id='scatter'),dcc.Graph(id='box')])@app.callback([dash.dependencies.Output('scatter','figure'),dash.dependencies.Output('box','figure')],[dash.dependencies.Input('dim','input')])defupdate(d):return(px.scatter(df,x='tenure',y='MonthlyCharges',color='Churn',facet_col=d),px.box(df,x=d,y='TotalCharges',color='Churn'))if__name__=='__main__':app.run_server(debug=True)```6.4時(shí)間序列預(yù)測(cè)（計(jì)算+分析類，15分）文件：airline.csv，列date、passengers。任務(wù)：①將date轉(zhuǎn)為月度PeriodIndex，按‘M’頻率。（3分）②使用statsmodels的STL分解，period=12，輸出趨勢(shì)、季節(jié)、殘差圖。（5分）③以趨勢(shì)+季節(jié)做未來(lái)12期預(yù)測(cè)，計(jì)算MAPE。（5分）④寫(xiě)結(jié)論：殘差是否近似白噪聲？（2分）答案：```pythonimportpandasaspd,matplotlib.pyplotaspltfromstatsmodels.tsa.seasonalimportSTLfromstatsmodels.tsa.forecasting.thetaimportThetaModeldf=pd.read_csv('airline.csv',parse_dates=['date'])ts=df.set_index('date')['passengers'].to_period('M')stl=STL(ts,period=12).fit()stl.plot();plt.show()pred=stl.trend+stl.seasonalfuture=pd.period_range(ts.index[-1]+1,periods=12,freq='M')mape=(abs(ts[-12:]pred[-12:])/ts[-12:]).mean()100mape=(abs(ts[-12:]pred[-12:])/ts[-12:]).mean()100print('MAPE:',mape)```結(jié)論：殘差A(yù)CF在滯后1-12階基本落在95%置信帶內(nèi)，可近似視為白噪聲。7.綜合案例（30分）背景：某零售企業(yè)提供2024-2025兩年訂單明細(xì)order_detail.csv（order_id,product_id,quantity,price,order_date,customer_id,region）。要求：①數(shù)據(jù)加載與探索：計(jì)算各region月度銷售額，并找出銷售額環(huán)比增幅最大的月份與地區(qū)。（8分）②可視化：用Altair繪制交互折線，x軸月份，y軸銷售額，顏色region，懸停提示環(huán)比增幅。（8分）③客戶細(xì)分：使用RFM模型，以2025-06-30為觀察點(diǎn)，計(jì)算R(Recency)、F(Frequency)、M(Monetary)，并用K-Means聚為4類，輸出每類人數(shù)及平均M。（8分）④策略建議：基于聚類結(jié)果，為平均M最高類寫(xiě)不超過(guò)100字的精準(zhǔn)營(yíng)銷方案。（6分）答案：①```pythonimportpandasaspd,numpyasnpdf=pd.read_csv('order_detail.csv',parse_dates=['order_date'])df['sales']=df.quantitydf.pricedf['sales']=df.quantitydf.pricemonth_sales=(df.assign(ym=df.order_date.dt.to_period('M')).groupby(['region','ym'])['sales'].sum().reset_index())month_sales['lag']=month_sales.groupby('region')['sales'].shift(1)month_sales['gr']=(month_sales['sales']month_sales['lag'])/month_sales['lag']max_row=month_sales.loc[month_sales['gr'].idxmax()]print(max_row[['region','ym','gr']])```②```python