(2025年)大数据竞赛题库(含答案).docx

(2025年)大数据竞赛题库(含答案)

一、数据清洗与预处理

1.某新能源汽车用户行为数据集包含字段：用户ID、注册时间、最近一次充电时间、日均行驶里程（km）、电池健康度（%）。其中“电池健康度”字段缺失率为18%，且缺失数据集中出现在车龄超过5年的车辆记录中。请设计缺失值处理方案，并说明理由。

答案：采用基于车龄分组的中位数填充法。具体步骤：①按车龄（≤5年、5年）将数据集分为两组；②分别计算两组的电池健康度中位数（≤5年组中位数92%，5年组中位数78%）；③用对应组的中位数填充缺失值。理由：缺失数据与车龄强相关（车龄越长，电池健康度自然越低），分组填充可保留数据的真实分布特征