2026年数据分选清洗与分析技能题库.docxVIP

第PAGE页共NUMPAGES页

2026年数据分选、清洗与分析技能题库

一、单选题（每题2分，共20题）

1.在处理某城市共享单车骑行数据时，发现部分用户ID为空值，最合适的处理方法是？

A.直接删除该条记录

B.用均值填充ID

C.用随机数生成ID

D.标记为未知并保留记录

2.某电商平台需分析用户购买行为，数据中“购买时间”字段存在大量异常值，以下哪种方法最适用于清洗？

A.标准差法剔除异常值

B.用中位数替换异常值

C.将异常值转为文本“异常”

D.忽略该字段不进行分析

3.在清洗某城市空气质量监测数据时，发现部分PM2.5数值为负数，最合理的处理方式是？

A.删除该条记录

B.用0替换负数值

C.反转数值（-X→X）

D.保留原数据并标注异常

4.某银行需分析客户信用数据，发现部分“收入”字段为文本格式（如“8万/年”），以下哪种转换最准确？

A.直接删除该字段

B.用正则表达式提取数字并转为数值

C.用平均收入填充

D.保留文本格式不处理

5.在整合某物流公司多源数据时，发现“订单号”在不同系统中有不同编码规则，最有效的处理方法是？

A.统一用前缀+流水号格式

B.直接合并不处理

C.用哈希函数生成唯一码

D.删除该字段

6.某外卖平台分析用户订单数据，发现部分“配送地址”字段缺失，最合理的填充方法是？