数据分析师面试模拟及练习题含答案.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试模拟及练习题含答案

一、选择题（共5题，每题2分，共10分）

背景：某电商平台位于一线城市，计划通过数据分析提升用户复购率。公司采用Python和SQL进行数据采集与分析。

1.在处理缺失值时，以下哪种方法最适合连续型数据？

A.删除含有缺失值的行

B.填充均值

C.填充众数

D.KNN填充

2.假设某电商A/B测试中，对照组转化率为5%，实验组为6%，P值小于0.05，以下结论正确的是？

A.实验组效果显著优于对照组

B.实验组效果无显著差异

C.需要更多数据重新测试

D.样本量过小无法判断

3.以下哪种指标最适合衡量电商平台用户活跃度？

A.ARPU（每用户平均收入）

B.DAU（日活跃用户数）

C.转化率

D.客单价

4.在数据可视化中，以下哪种图表最适合展示时间序列趋势？

A.散点图

B.条形图

C.折线图

D.饼图

5.假设某城市电商平台用户年龄分布均匀，但实际数据显示25-35岁用户占比最高，以下原因可能的是？

A.样本量不足

B.广告投放策略偏向该年龄段

C.数据采集偏差

D.以上都是

二、简答题（共3题，每题5分，共15分）

背景：某快消品公司在华东地区运营，需分析用户购买行为以优化营销策略。

1.简述如何使用SQL计算某商品月度销售Top3城市及其占比？

（要求写出SQL查询语句及关键逻辑）

2.解释什么是“数据清洗”，并列举至少三种常见的数据质量问题。

3.假设某城市用户对促销活动的响应率较低，请提出三种可能的改进建议。

三、计算题（共2题，每题10分，共20分）

背景：某金融科技公司需分析用户贷款逾期情况，数据如下表所示（单位：人）：

|城市|逾期用户|未逾期用户|总用户|

||-||--|

|上海|120|880|1000|

|杭州|90|910|1000|

|南京|150|850|1000|

1.计算上海、杭州、南京的逾期率，并分析哪个城市逾期风险最高？

2.假设公司计划采用“信用评分”模型预测逾期风险，请简述评分模型的构建步骤。

四、代码题（共2题，每题10分，共20分）

背景：使用Python分析某电商平台用户行为数据（假设数据已加载至pandasDataFrame`df`）。

1.编写Python代码，计算用户平均购买间隔时间（以天为单位），并筛选出购买间隔超过30天的用户。

2.使用Python绘制用户购买频率的直方图，并标注均值和中位数。

五、开放题（共1题，15分）

背景：某餐饮连锁店在华南地区运营，需分析用户点餐偏好以优化菜单。

请结合数据分析方法，提出一个完整的分析方案，包括：

1.分析目标

2.数据来源及采集方式

3.核心分析指标

4.可视化方案

5.预期结论及建议

答案及解析

一、选择题答案

1.B（均值填充适用于连续型数据，众数不适用于连续型数据，KNN填充计算复杂度较高，删除行会导致数据损失）

2.A（P值小于0.05表示差异具有统计学意义，实验组转化率显著高于对照组）

3.B（DAU直接反映用户活跃度，ARPU反映收入，转化率衡量转化效果，客单价反映消费能力）

4.C（折线图适合展示时间序列趋势，散点图用于相关性分析，条形图用于分类比较，饼图用于占比展示）

5.D（样本量不足、广告策略、数据采集偏差均可能导致年龄分布异常）

二、简答题答案

1.SQL查询语句：

sql

SELECTcity,

ROUND(SUM(sales)/(SELECTSUM(sales)FROMsalesWHEREmonth=2026-03),2)ASpercentage

FROMsales

WHEREmonth=2026-03

GROUPBYcity

ORDERBYSUM(sales)DESC

LIMIT3;

解析：先计算总销售额，再按城市分组求销售额占比，排序取Top3。

2.数据清洗定义：

数据清洗是指通过一系列操作去除或修正数据集中的错误、不一致或缺失值，确保数据质量，为后续分析提供可靠基础。

常见质量问题：

-缺失值：数据缺失或不完整

-重复值：同一记录出现多次

-异常值：超出正常范围的数值（如年龄为负数）

3.改进建议：

-个性化促销：根据用户购买历史推送定制化优惠券

-渠道优化：增加线下门店或社交平台推广

-活动设计：提高活动门槛（如满减、赠品）以吸引