2025年数据素养期末测试题及答案.docxVIP

2025年数据素养期末测试题及答案

一、单项选择题（每题2分，共20分）

1.某城市交通管理部门采集了2024年全年出租车GPS轨迹，数据量约12TB。若采用Hadoop分布式存储，默认块大小128MB，理论上需要多少个数据块？

A.9375000??B.93750??C.937500??D.93750000

答案：C

解析：12TB=12×1024×1024MB，除以128MB得983040，最接近937500（选项C）。

2.在Pythonpandas中，执行df.groupby(city)[income].transform(mean)后返回的对象维度与原始DataFrame的关系是：

A.行数相同，列数减少??B.行数相同，列数不变??C.行数减少，列数不变??D.行数减少，列数增加

答案：B

解析：transform返回与原始DataFrame行数一致的Series，可无缝拼回原表，列数不变。

3.某电商用户行为日志含字段{user_id,sku_id,action,ts}，欲统计“点击—加购—支付”三跳转化率，最合理的漏斗窗口期设置为：

A.1分钟??B.30分钟??C.24小时??D.7天

答案：B

解析：电商场景下，30分钟可覆盖多数用户决策周期，既避免过短导致漏损，也避免过长引入噪声。

4.使用PCA降维时，若保留95%方差，则主成分数量k的确定依据是：

A.累计解释方差比≥0.95的最小k??B.第k个特征值≥0.95??C.累计特征值≥0.95??D.前k个特征值之和≥0.95×样本量

答案：A

解析：PCA按解释方差比排序，取累计≥0.95的最小k即可。

5.在SQL优化中，下列哪种情况最可能触发全表扫描？

A.对索引列使用LIKEabc%??B.对索引列使用BETWEEN??C.对索引列使用函数包裹YEAR(date_col)??D.对索引列使用=

答案：C

解析：对索引列使用函数会破坏索引有序性，导致全表扫描。

6.某模型在测试集上AUC=0.81，若将分类阈值从0.5下调至0.3，则：

A.召回率一定上升??B.精确率一定上升??C.F1一定上升??D.特异度一定上升

答案：A

解析：阈值下调，更多样本被预测为正类，召回率单调非降。

7.在JupyterNotebook中，魔法命令%timeit的主要作用是：

A.查看变量内存占用??B.测量单行代码多次运行的平均耗时??C.生成代码依赖图??D.自动并行化循环

答案：B

解析：%timeit通过多次运行计算平均耗时，用于性能基准测试。

8.下列关于数据治理“金三角”的描述，正确的是：

A.质量、安全、时效??B.质量、成本、合规??C.质量、安全、成本??D.质量、合规、时效

答案：C

解析：业界常将质量、安全、成本视为数据治理核心约束。

9.在Tableau中，将维度字段拖至“筛选器”栏并选择“前10名”依据总和(sales)，其底层SQL逻辑等价于：

A.WHERErank≤10??B.HAVINGrank≤10??C.QUALIFYrank≤10??D.LIMIT10

答案：C

解析：Tableau生成SQL时使用窗口函数rank()，通过QUALIFY子句过滤。

10.某深度学习模型采用ReLU激活，训练损失突然变为NaN，最不可能的原因是：

A.学习率过大??B.批归一化参数γ初始为0??C.梯度爆炸??D.损失函数数值溢出

答案：B

解析：γ=0仅使输出恒为0，不会导致NaN；其余均可引发数值不稳定。

二、多项选择题（每题3分，共15分，多选少选均不得分）

11.下列属于数据血缘（datalineage）元数据的有：

A.字段级上游表??B.ETL脚本Git版本??C.调度任务开始时间??D.字段级转换逻辑

答案：A、B、D

解析：调度开始时间属于运行时信息，非血缘本身。

12.在构建实时数仓时，Kafka+SparkStreaming架构的痛点包括：

A.端到端exactly-once需额外幂等设计??B.背压导致延迟抖动??C.无法支持SQL即席查询??D.状态存储增大导致checkpoint膨胀

答案：A、B、D

解析：SparkStreaming可与Hive/Presto对接，支持SQL查询，C错误。

13.使用Prophet进行时间序列