2025年数据分析师校园招聘笔试复习资料.docxVIP

第PAGE页共NUMPAGES页

2025年数据分析师校园招聘笔试复习资料

一、选择题（共10题，每题2分）

1.以下哪个不是数据分析师的核心技能？

A.统计分析能力

B.编程能力

C.沟通能力

D.美术设计能力

2.在Excel中，计算一组数据的平均值应使用哪个函数？

A.SUM()

B.AVERAGE()

C.MAX()

D.COUNT()

3.以下哪种图表最适合展示时间序列数据？

A.散点图

B.条形图

C.折线图

D.饼图

4.SQL中，用于选择数据的语句是？

A.INSERT

B.UPDATE

C.DELETE

D.SELECT

5.以下哪个不是常见的机器学习算法？

A.线性回归

B.决策树

C.逻辑回归

D.颜色映射

6.在数据清洗中，处理缺失值的方法不包括？

A.删除缺失值

B.插值法

C.均值填充

D.标准化

7.以下哪个指标用于衡量分类模型的准确性？

A.相关系数

B.均方误差

C.准确率

D.决策树深度

8.在Python中，用于创建数据框的库是？

A.Matplotlib

B.Pandas

C.NumPy

D.Scikit-learn

9.以下哪个不是大数据的V特性？

A.容量

B.速度

C.多样性

D.可视化

10.在数据可视化中，用于表示数据部分与整体关系的图表是？

A.散点图

B.条形图

C.饼图

D.折线图

二、填空题（共10题，每题1分）

1.数据分析师常用的统计方法包括__________和__________。

2.在Excel中，用于对数据进行排序的快捷键是__________。

3.SQL中，用于连接两个表的语句是__________。

4.机器学习中的过拟合现象是指模型对训练数据拟合得太好，导致对__________的预测能力下降。

5.数据清洗的步骤包括__________、__________和__________。

6.在Python中，用于处理缺失值的函数是__________。

7.数据可视化中，用于展示数据分布的图表是__________。

8.大数据的三大特征是__________、__________和__________。

9.在机器学习中，用于评估模型性能的指标包括__________和__________。

10.SQL中，用于更新数据的语句是__________。

三、简答题（共5题，每题4分）

1.简述数据分析师的工作职责。

2.解释什么是数据清洗，并列举三种常见的数据清洗方法。

3.描述线性回归的基本原理及其应用场景。

4.说明大数据的四大特征及其意义。

5.解释什么是机器学习，并列举三种常见的机器学习算法。

四、计算题（共3题，每题6分）

1.某公司销售数据如下：[120,150,130,180,160,140]。计算这组数据的平均值、中位数和标准差。

2.假设有一个数据集，包含年龄和收入两列数据。年龄（岁）分别为：[25,30,35,40,45]，收入（万元/年）分别为：[5,6,7,8,9]。计算年龄和收入的相关系数。

3.使用SQL语句查询以下表的数据：

sql

CREATETABLEsales(

idINT,

productVARCHAR(50),

quantityINT,

priceDECIMAL(10,2)

);

查询产品为“产品A”的销售总额。

五、编程题（共2题，每题10分）

1.使用Python的Pandas库，读取以下CSV文件数据：

csv

id,name,age,salary

1,张三,24,5000

2,李四,28,6000

3,王五,32,7000

筛选出年龄大于28岁的员工，并按工资降序排列。

2.使用SQL语句，创建一个名为“employees”的表，包含以下列：

-id（整数，主键）

-name（字符串，非空）

-department（字符串，默认值为“销售部”）

-salary（浮点数，默认值为0.0）

插入以下数据：

sql

INSERTINTOemployees(id,name,department,salary)VALUES(1,张三,技术部,8000.0);

INSERTINTOemployees(id,name,department,salary)VALUES(2,李四,市场部,6000.0);

答案

一、选择题

1.D

2.B

3.C

4.D

5.D

6.D

7.C

8.B

9.D

10.C

二、填空题

1.描述性统计、推断性统计

2.Ctr