2026年数据分析师面试准备攻略及题目.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试准备攻略及题目

一、选择题（共5题，每题2分，共10分）

题目：

1.在处理缺失值时，以下哪种方法在数据量较大且缺失比例不高的情况下通常效果最好？

A.删除含有缺失值的样本

B.使用均值/中位数/众数填充

C.使用KNN算法填充

D.插值法填充

2.以下哪个指标最能反映模型的过拟合情况？

A.AUC

B.Accuracy

C.Bias

D.Variance

3.在数据仓库中，星型模型的中心是？

A.雪花表

B.事实表

C.维度表

D.聚合表

4.以下哪种SQL语句可以用来查找某个部门中工资最高的员工？

A.`SELECTFROMemployeesORDERBYsalaryDESCLIMIT1`

B.`SELECTMAX(salary)FROMemployees`

C.`SELECTFROMemployeesWHEREsalary=(SELECTMAX(salary)FROMemployees)`

D.`SELECTFROMemployeesGROUPBYdepartmentORDERBYsalaryDESCLIMIT1`

5.在进行时间序列分析时，如果数据存在明显的季节性波动，最适合的模型是？

A.ARIMA

B.Prophet

C.LSTM

D.Logistic回归

答案与解析：

1.C（KNN填充利用近邻样本的值，在数据量较大且缺失比例不高时效果较好，避免单一统计量偏差。）

2.D（Variance反映模型对训练数据的敏感度，过拟合时Variance高，Bias低。）

3.B（星型模型由中心的事实表和周围的维度表构成。）

4.C（子查询确保返回工资最高的员工，其他选项无法满足条件。）

5.B（Prophet模型专为处理时间序列中的季节性波动设计。）

二、简答题（共4题，每题5分，共20分）

题目：

1.简述数据清洗的步骤及其重要性。

2.解释什么是特征工程，并举例说明如何对文本数据进行特征工程。

3.描述在线A/B测试的基本流程，并说明如何评估测试结果的有效性。

4.在数据可视化中，如何选择合适的图表类型来展示不同类型的数据？（例如，比较、趋势、分布等）

答案与解析：

1.数据清洗步骤及重要性：

-步骤：

-缺失值处理（删除/填充）；

-异常值检测与处理（删除/修正）；

-数据格式统一（日期、单位等）；

-重复值处理；

-数据类型转换。

-重要性：

-提高数据质量，减少分析偏差；

-确保模型训练的准确性；

-节省后续分析时间。

2.特征工程及文本数据示例：

-定义：通过组合、转换原始特征生成新特征，提升模型性能。

-文本数据示例：

-分词：将“机器学习”拆分为“机器”“学习”；

-TF-IDF：提取词频-逆文档频率特征；

-N-gram：生成连续词组特征（如“机器学习”→“机器学习”“学习”）。

3.在线A/B测试流程及有效性评估：

-流程：

-分组（对照组与实验组）；

-设定目标指标（如点击率）；

-随机分配流量；

-收集数据并对比结果。

-有效性评估：

-统计显著性：p值0.05；

-业务价值：实验组是否提升ROI。

4.数据可视化图表选择：

-比较：柱状图/条形图；

-趋势：折线图；

-分布：箱线图/直方图；

-关系：散点图/热力图。

三、计算题（共2题，每题10分，共20分）

题目：

1.假设某电商平台A/B测试了两种促销策略，对照组（策略A）的转化率为5%，实验组（策略B）的转化率为6%，实验组流量为10,000人，对照组流量为9,000人。请计算策略B是否显著优于策略A（α=0.05）。

2.给定以下数据：

|X|Y|

|||

|1|2|

|2|3|

|3|5|

|4|4|

计算X和Y的相关系数（Pearson）。

答案与解析：

1.转化率提升显著性检验：

-公式：

Z=(p1-p2)/sqrt(p(1-p)(1/n1+1/n2))

p=(n1p1+n2p2)/(n1+n2)

-计算：

p=(90000.05+100000.06)/19000≈0.0579

Z=(0.06-0.05)/sqrt(0.0579(1-0.0579)(1/10000+1/9000))≈1.14

p-value≈0.1250.05，不显著。

2.Pearson相关系数计算：

-公式：

r=cov(X,