2026年大学统计与大数据分析(数据整理)期末测试卷及答案.docxVIP

2026年大学统计与大数据分析(数据整理)期末测试卷及答案

1.单选题（每题2分，共20分）

1.1在数据清洗过程中，若某数值型变量存在“-999”表示缺失，下列哪种处理方式最符合统计保守原则？

A.直接删除含“-999”的记录

B.用全局均值替换“-999”

C.用该变量在同类分层下的均值替换“-999”

D.将“-999”视为真值纳入模型

答案：C

1.2对高维分类变量进行独热编码（One-HotEncoding）后，若原变量有k个水平，则新生成的哑变量矩阵的秩为：

A.k

B.k-1

C.k+1

D.与样本量n无关，恒为k

答案：B

1.3使用pandas读取CSV时，参数dtype={id:str}的作用是：

A.把id列缺失值设为空字符串

B.强制id列以字符串类型加载，避免前导零丢失

C.把id列设为索引

D.启用C引擎加速读取

答案：B

1.4在R语言中，函数cut(x,breaks=5,labels=FALSE)默认使用的分箱方法是：

A.等频

B.等宽

C.基于聚类

D.基于决策树

答案：B

1.5对右偏连续变量做Box-Cox变换后，最优λ的估计通常采用：

A.矩估计

B.最大似然

C.中位数回归

D.贝叶斯后验众数

答案：B

1.6在SQL的窗口函数中，ROW_NUMBER()OVER(PARTITI