2026年中信科数据分析师笔试题及解析.docxVIP

第PAGE页共NUMPAGES页

2026年中信科数据分析师笔试题及解析

一、选择题（共10题，每题2分，共20分）

1.数据分析师在处理缺失值时，以下哪种方法最适用于连续型变量且能保留数据分布特征？

A.删除含有缺失值的行

B.填充均值

C.填充中位数

D.填充众数

2.在数据可视化中，以下哪种图表最适合展示不同类别数据的占比关系？

A.折线图

B.散点图

C.饼图

D.柱状图

3.假设某电商平台用户购买转化率的历史平均值为12%，标准差为2%，某月转化率为15%，则该月转化率属于：

A.正常范围

B.异常值

C.疑似异常值

D.无法判断

4.以下哪种算法不属于监督学习？

A.决策树

B.线性回归

C.K-means聚类

D.逻辑回归

5.在处理大规模数据时，以下哪种数据库最适合实时数据查询？

A.MySQL

B.MongoDB

C.ClickHouse

D.PostgreSQL

6.假设某城市出租车订单数据中，乘客年龄的分布如下：20-30岁占40%，30-40岁占35%，40-50岁占15%，50岁以上占10%，则该分布属于：

A.正态分布

B.偏态分布

C.均匀分布

D.无法判断

7.在特征工程中，以下哪种方法最适合处理类别型特征的高基数问题？

A.独热编码（One-HotEncoding）

B.标准化（Standardization）

C.标签编码（LabelEncoding）

D.二进制编码（BinaryEncoding）

8.假设某电商用户行为数据中，用户购买金额的分布如下：大部分用户购买金额在100-500元，少数用户购买金额超过1000元，则该分布属于：

A.正态分布

B.偏态分布

C.均匀分布

D.无法判断

9.在时间序列分析中，以下哪种方法最适合处理具有明显趋势和季节性的数据？

A.ARIMA模型

B.线性回归

C.逻辑回归

D.决策树

10.假设某城市共享单车骑行数据中，骑行时间与天气温度之间存在正相关关系，则以下哪种方法最适合验证这种关系？

A.相关性分析

B.线性回归

C.聚类分析

D.主成分分析

二、填空题（共5题，每题2分，共10分）

1.在数据预处理中，__________是指将数据转换为统一的格式，以便后续分析。

2.在数据可视化中，__________是指通过图表展示数据之间的关联性。

3.假设某电商平台用户购买转化率的历史平均值为10%，标准差为1%，某月转化率为12%，则该月转化率与平均值的绝对偏差为__________。

4.在特征工程中，__________是指通过组合多个特征生成新的特征。

5.假设某城市出租车订单数据中，乘客年龄的分布如下：20-30岁占50%，30-40岁占30%，40-50岁占10%，50岁以上占10%，则该分布属于__________分布。

三、简答题（共3题，每题10分，共30分）

1.简述数据分析师在处理缺失值时，常用的方法及其适用场景。

2.简述数据可视化在商业决策中的作用，并举例说明如何通过数据可视化发现问题。

3.简述特征工程在机器学习中的重要性，并举例说明如何进行特征工程。

四、计算题（共2题，每题15分，共30分）

1.假设某电商平台用户购买转化率的历史平均值为12%，标准差为2%，某月转化率为15%，则该月转化率与平均值的z-score是多少？如果显著性水平为0.05，该月转化率是否属于异常值？（提示：z-score公式为（x-μ）/σ）

2.假设某城市出租车订单数据中，乘客年龄的分布如下：20-30岁占40%，30-40岁占35%，40-50岁占15%，50岁以上占10%。计算该分布的均值和方差。（提示：均值公式为Σ（xp(x)），方差公式为Σ（(x-μ)2p(x)））

五、综合分析题（共1题，20分）

假设某电商平台希望提升用户购买转化率，你作为数据分析师，需要分析用户行为数据，并提出优化建议。请简述以下内容：

1.你会从哪些数据维度进行分析？

2.你会使用哪些分析方法？

3.你会如何验证你的分析结果？

答案及解析

一、选择题

1.C

解析：填充中位数适用于连续型变量且能保留数据分布特征，而填充均值易受极端值影响。删除行会丢失数据，众数不适用于连续型变量。

2.C

解析：饼图最适合展示不同类别数据的占比关系，柱状图和折线图适合展示趋势，散点图适合展示相关性。

3.B

解析：转化率15%与平均值12%的差为3%，标准差为2%，z-score为1.5。根据3σ原则，z-score大于3为异常值，大于2为疑似异常值。因此，15%属于疑似异常值。

4.C

解析：K-means聚类属于无监督学习