数据分析师面试常见问题及行为面试题答案.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试常见问题及行为面试题答案

一、技术能力测试（共5题，每题10分，总分50分）

题目1：SQL查询优化（10分）

问题描述：某电商平台用户表（user）包含字段：user_id（用户ID）、reg_date（注册日期）、last_login（最后登录日期）、city（城市）、device_type（设备类型）。订单表（order）包含字段：order_id（订单ID）、user_id（用户ID）、order_date（订单日期）、amount（订单金额）。请写出以下SQL查询语句，并说明优化方法：

1.查询2025年1月注册，且在过去30天内登录过的北京用户，按订单金额降序排列，返回用户ID和总订单金额。

2.查询每个城市的用户平均订单金额，只显示平均金额大于500的城市。

答案与解析：

1.SQL查询：

sql

SELECT

u.user_id,

SUM(o.amount)AStotal_amount

FROM

useru

JOIN

orderoONu.user_id=o.user_id

WHERE

u.reg_dateBETWEEN2025-01-01AND2025-01-31

ANDu.last_login=DATE_SUB(CURDATE(),INTERVAL30DAY)

ANDu.city=北京

GROUPBY

u.user_id

ORDERBY

total_amountDESC;

优化方法：

-添加索引：在user表的reg_date、last_login、city字段上创建组合索引

-使用分区表：按注册日期分区user表，按月份分区order表

-优化JOIN：确保user_id字段有索引

-考虑缓存：对于高频查询的注册日期范围，可使用Redis缓存结果

2.SQL查询：

sql

SELECT

u.city,

AVG(o.amount)ASavg_amount

FROM

useru

JOIN

orderoONu.user_id=o.user_id

GROUPBY

u.city

HAVING

AVG(o.amount)500;

优化方法：

-使用子查询先过滤出高价值订单

-创建物化视图保存城市平均金额计算结果

-为city字段添加索引

-考虑使用窗口函数优化分组计算

题目2：Python数据分析（10分）

问题描述：给定以下DataFrame，请用Python完成以下任务：

python

importpandasaspd

importnumpyasnp

data={

date:pd.date_range(start=2025-01-01,periods=100,freq=D),

sales:np.random.randint(100,1000,100),

traffic:np.random.randint(1000,10000,100),

conversion:np.random.random(100)0.1

}

df=pd.DataFrame(data)

1.计算每个季度的销售额和流量总和，结果保留两位小数。

2.绘制销售额和流量趋势图，使用不同颜色区分，并添加标题和图例。

3.找出转化率最高的5天，并返回日期和转化率。

答案与解析：

1.代码实现：

python

计算每个季度的销售额和流量总和

df[quarter]=df[date].dt.to_period(Q)

summary=df.groupby(quarter).agg({

sales:sum,

traffic:sum

}).round(2)

print(summary)

解析：

-使用to_period(Q)将日期转换为季度

-groupby按季度分组

-agg进行聚合计算并保留两位小数

2.代码实现：

python

importmatplotlib.pyplotasplt

plt.figure(figsize=(12,6))

plt.plot(df[date],df[sales],label=Sales,color=blue)

plt.plot(df[date],df[traffic],label=Traffic,color=orange)

plt.title(SalesandTrafficTrends)

plt.xlabel(Date)

plt.ylabel(Value)

plt.legend()

plt.xticks(rotation=45)

plt.tight_layout()

plt