数据处理面试题及详细答案.docxVIP

数据处理面试题及详细答案

一、基础概念题（考察核心认知，无套路，贴合实际工作）

1.请说明数据清洗的核心目的，以及你工作中最常遇到的3种数据脏数据类型，分别怎么处理？

答案：数据清洗的核心目的不是“删除脏数据”，而是剔除或修正不符合分析/建模要求的数据，保证数据的准确性、完整性和一致性，为后续的数据分析、建模提供可靠的数据源，避免脏数据导致分析结果失真、模型失效。

工作中最常遇到的3种脏数据及处理方式（拒绝理论化，只说实操）：

（1）缺失值：比如用户年龄、订单金额字段缺失，而非空字符串或0（区分“缺失”和“合理为空”）。处理方式：①若缺失比例极低（5%），且字段重要（如核心指标），用中位数（数值型）、众数（分类型）填充，避免均值受异常值影响；②若缺失比例高（30%），且字段非核心，直接删除该字段；③若缺失有业务逻辑（如“未下单用户的订单金额”），用“NULL”标注，不强行填充，保留业务真实性。

（2）异常值：比如订单金额为100000元（远超行业平均1000元）、用户年龄为150岁，属于明显不符合业务逻辑的异常。处理方式：①先核实数据来源（是否录入错误、接口传输异常），能修正则修正（如把150改成50）；②无法修正的，若异常值数量少，直接剔除；若数量较多，用分位数法（如剔除99.5%分位以上、0.5%分位以下），或用中位数替换，避免影响整体数据分布。

（3）重复值：比