数据分析面试题及详细答案.docxVIP

数据分析面试题及详细答案

一、基础概念题（共5题，每题6分）

1.请解释什么是数据清洗，数据清洗过程中常见的问题有哪些？如何解决？

答案：数据清洗是指对原始数据进行检测、识别并处理异常、缺失、重复、不一致等问题，将“脏数据”转化为“干净数据”的过程，目的是保证数据的准确性、完整性和一致性，为后续分析建模提供可靠基础，是数据分析的核心前置步骤。

常见问题及解决方法：

（1）缺失值：表现为数据为空、NA等。解决：①若缺失量极少（5%），可直接删除对应行/列；②若缺失量中等，可根据数据类型填充（数值型用均值、中位数，分类型用众数）；③若缺失量较大，可采用插值法（线性插值、多项式插值）或基于业务逻辑填充（如用户年龄缺失，可根据注册时间、消费习惯间接推断）。

（2）重复值：表现为完全相同的行或关键信息重复（如用户ID重复）。解决：①完全重复行直接去重；②部分重复（如同一用户多条记录），需结合业务逻辑合并（如取最新一条、求和/均值合并指标）。

（3）异常值：表现为数据偏离正常范围（如年龄1000岁、销售额负数）。解决：①先通过箱线图、Z-score法识别异常值；②确认异常原因，若是录入错误（如多输一个0），修正数据；若是真实异常（如大额订单），保留并标注，后续分析单独说明；若是无意义异常，删除或替换为合理值。

（4）数据不一致：表现为同一指标格式/含义不一致（如日期格式既有“