2026年数据分析师面试题详解及备考策略.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试题详解及备考策略

一、选择题（共5题，每题2分，总计10分）

1.在处理缺失值时，以下哪种方法通常会导致数据偏差最小？

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

答案：C

解析：删除样本可能导致数据量减少且样本代表性下降；均值/中位数/众数填充简单但可能掩盖真实分布；插值法适用于时间序列但计算复杂；KNN填充结合了局部相似性，偏差相对较小。

2.以下哪种指标最适合衡量分类模型的预测准确性？

A.AUC（ROC曲线下面积）

B.F1分数

C.MAE（平均绝对误差）

D.R2（决定系数）

答案：B

解析：F1分数平衡了精确率和召回率，适用于类别不平衡场景；AUC衡量整体性能；MAE用于回归；R2用于回归模型评估。

3.在大数据场景下，以下哪种数据库架构最适合实时数据查询？

A.关系型数据库（MySQL）

B.列式数据库（HBase）

C.NoSQL数据库（MongoDB）

D.图数据库（Neo4j）

答案：B

解析：列式数据库优化了大数据的压缩和查询效率，适合高并发场景；关系型数据库事务性强但查询慢；NoSQL适合文档/键值存储；图数据库用于关系分析。

4.以下哪种算法属于无监督学习？

A.决策树分类

B.线性回归

C.K-Means聚类

D.逻辑回归

答案：C

解析：K-Means用于数据分组，无需标签；决策树、线性回归、逻辑回归均为监督学习。

5.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.柱状图

B.散点图

C.折线图

D.饼图

答案：C

解析：折线图直观展示时间变化趋势；柱状图适合分类对比；散点图用于相关性分析；饼图展示占比。

二、简答题（共4题，每题5分，总计20分）

6.简述特征工程的主要步骤及其在数据分析中的作用。

答案：

1.数据清洗：处理缺失值、异常值、重复值；

2.特征选择：通过相关性分析、递归特征消除等方法筛选重要特征；

3.特征变换：如归一化、标准化、对数转换等；

4.特征衍生：组合或派生新特征（如用户活跃度=登录天数/总天数）。

作用：提升模型性能，减少噪声，提高数据可用性。

7.解释什么是“过拟合”及其解决方法。

答案：过拟合指模型对训练数据拟合过度，泛化能力差。解决方法包括：

-增加训练数据；

-使用正则化（L1/L2）；

-降低模型复杂度（如减少参数）；

-集成学习（如随机森林）。

8.在电商行业，如何通过数据分析提升用户留存率？

答案：

1.用户分群：按活跃度、购买力、生命周期等分类；

2.流失预警：分析近期沉默用户行为，推送召回策略；

3.个性化推荐：基于协同过滤或深度学习模型推荐相关商品；

4.A/B测试：验证不同策略（如优惠券、消息频率）的效果。

9.描述SQL中GROUPBY和HAVING的区别。

答案：

-`GROUPBY`用于按条件聚合数据（如`SUM(salary)GROUPBYdepartment`）；

-`HAVING`在聚合后过滤结果（如`HAVINGSUM(salary)10000`）；

`HAVING`不能单独使用，必须跟`GROUPBY`。

三、编程题（共3题，每题10分，总计30分）

10.使用Python实现以下功能：

给定DataFrame`df`，其中包含“用户ID”（`user_id`）、“订单金额”（`amount`）和“订单时间”（`date`），请计算每日总订单金额，并按金额降序排列。

答案：

python

importpandasaspd

示例数据

data={user_id:[1,2,1,3],amount:[100,200,150,300],date:[2023-01-01,2023-01-01,2023-01-02,2023-01-02]}

df=pd.DataFrame(data)

计算每日总金额

daily_total=df.groupby(date)[amount].sum().sort_values(ascending=False)

print(daily_total)

11.使用SQL编写查询：

表`orders`包含`order_id`（订单号）、`customer_id`（客户ID）、`status`（状态，如已完成/待处理）和`order_date`（订单时间）。查询最近30天内“待处理”订单的客户数量。

答案：

sql

SELECTcustomer_id,COUNT()ASpending_orders

FROMorders

WHER