数据分析岗试题及详细答案.docxVIP

数据分析岗试题及详细答案

一、基础概念题（每题5分，共20分）

1.请解释什么是数据清洗，以及数据清洗中常见的问题和处理方法（至少3种常见问题）。

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、重复等问题，将“脏数据”转化为干净、规范、可用的数据，为后续分析建模提供可靠基础，是数据分析流程中最基础且关键的一步（占比往往达整个分析工作的60%以上）。

常见问题及处理方法：

（1）缺失值：指数据中某些字段的值为空。处理方法：①若缺失量极少（5%），可直接删除对应行/列；②若缺失量中等，可根据字段类型填充（数值型字段用均值、中位数，分类字段用众数）；③若缺失量较大，可采用插值法（线性插值、多项式插值）或结合业务逻辑填充（如用户年龄缺失，可根据用户注册时间、消费习惯间接推断）。

（2）重复值：指数据中存在完全相同或核心字段相同的重复记录（如同一用户多次提交相同信息）。处理方法：①完全重复：直接删除重复行，保留一条即可；②部分重复：根据业务需求，保留最新/最完整的一条记录（如保留用户最后一次登录的记录），或合并重复记录中的有效字段。

（3）异常值：指与数据整体分布偏离较大、不符合业务逻辑的值（如用户年龄为150岁、订单金额为负数）。处理方法：①先验证异常值是否为录入错误（如手误输错数字），若是则修正；②若为真实异常（如高价值特殊订单），可单独标记，不直接删除