数据分析师面试题及详细解答.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试题及详细解答

一、选择题（共5题，每题2分，总分10分）

1.以下哪种方法最适合处理缺失值？

A.删除含有缺失值的行

B.填充均值或中位数

C.使用模型预测缺失值

D.以上都不对

2.在数据可视化中，哪个图表最适合展示时间序列数据？

A.散点图

B.柱状图

C.折线图

D.饼图

3.以下哪个指标最适合评估分类模型的性能？

A.均方误差（MSE）

B.决策树深度

C.准确率（Accuracy）

D.熵值

4.在大数据处理中，Hadoop和Spark的主要区别是什么？

A.Hadoop是批处理，Spark是流处理

B.Hadoop适合小数据，Spark适合大数据

C.Hadoop使用MapReduce，Spark使用RDD

D.以上都对

5.以下哪个SQL语句可以用来筛选出重复的记录？

A.`SELECTFROMtableGROUPBYall_columns`

B.`SELECTFROMtableHAVINGCOUNT()1`

C.`SELECTDISTINCTFROMtable`

D.`SELECTFROMtableWHEREEXISTS(SELECT1FROMtableWHERE...)`

二、简答题（共4题，每题5分，总分20分）

6.简述数据清洗的步骤及其重要性。

7.解释什么是特征工程，并举例说明其在机器学习中的作用。

8.描述K-means聚类算法的基本原理及其适用场景。

9.解释SQL中的JOIN操作，并说明INNERJOIN和LEFTJOIN的区别。

三、计算题（共3题，每题10分，总分30分）

10.假设有以下数据表：

|用户ID|年龄|购买金额|购买次数|

|--||-|-|

|1|25|200|3|

|2|30|500|2|

|3|35|300|4|

|4|25|150|2|

（1）计算年龄的均值和中位数。

（2）根据购买金额和购买次数，计算每个用户的综合评分（假设购买金额权重为0.6，购买次数权重为0.4）。

11.假设你正在分析某电商平台的用户行为数据，发现用户的购买转化率（从浏览到购买的比率）为5%。现通过A/B测试，实验组（使用新推荐算法）的转化率为7%，对照组（使用旧推荐算法）的转化率为5%。

（1）计算实验组和对照组的绝对提升和相对提升。

（2）假设实验组有1000用户，对照组有1000用户，计算每个组的预期购买人数。

12.假设你有一个时间序列数据集，包含每日的网站访问量。数据如下：

|日期|访问量|

||--|

|2023-01-01|1000|

|2023-01-02|1100|

|2023-01-03|1200|

|2023-01-04|1300|

（1）计算过去3天的移动平均访问量。

（2）假设你要预测2023-01-05的访问量，使用简单指数平滑法（α=0.3）进行预测。

四、编程题（共2题，每题15分，总分30分）

13.使用Python（Pandas库）完成以下任务：

（1）读取以下CSV数据，并筛选出年龄大于30的用户。

csv

用户ID,年龄,城市,购买金额

1,25,北京,200

2,30,上海,500

3,35,广州,300

4,22,深圳,150

（2）对筛选后的数据按购买金额降序排序，并计算每个城市的用户平均年龄。

14.使用SQL完成以下任务：

（1）假设有两个表：

`orders`（订单表，字段：订单ID，用户ID，金额，下单时间）

`users`（用户表，字段：用户ID，年龄，城市）

写出SQL语句，查询每个城市的用户平均订单金额。

（2）假设需要生成一个报表，显示每个用户的订单金额总和，并按金额从高到低排序。写出SQL语句。

详细解答

一、选择题答案与解析

1.B

解析：填充均值或中位数适用于数据分布较均匀的情况，删除行会导致数据丢失，使用模型预测缺失值计算复杂。

2.C

解析：折线图最适合展示时间序列数据的趋势变化，柱状图适合分类数据，饼图适合占比展示。

3.C

解析：准确率是分类模型常用的性能指标，MSE用于回归模型，决策树深度是模型结构参数，熵值是信息增益指标。

4.D

解析：Hadoop和Spark都是大数据处理框架，Hadoop侧重批处理，Spark支持