2026年数据科学家竞赛数据清洗数据质量分析题.docxVIP

第PAGE页共NUMPAGES页

2026年数据科学家竞赛数据清洗数据质量分析题

第一部分：数据清洗与预处理（共5题，总分25分）

1.数据缺失值处理（5分）

背景：某电商平台2025年11月用户行为数据中，部分用户的“购买金额”字段缺失。已知该数据来自华东地区，主要用户群体为18-35岁年轻消费者。请设计至少两种缺失值处理方法，并说明每种方法的优势及适用场景。

2.数据异常值检测与处理（5分）

背景：某银行2025年10月信用卡交易数据中，部分用户的“单笔消费金额”出现极端异常值（如单笔100万元消费）。已知该数据主要来自北京、上海两地，用户年龄集中在25-45岁。请设计一种异常值检测方法，并说明如何处理检测到的异常值。

3.数据格式统一与标准化（5分）

背景：某共享单车公司2025年9月骑行数据包含“出发时间”和“到达时间”两列，格式不统一（如“14:30”“14:30:00”“14时30分”）。请设计一种标准化方法，将所有时间格式统一为“HH:MM:SS”格式，并说明处理逻辑。

4.数据重复值检测与去重（5分）

背景：某外卖平台2025年8月订单数据中存在大量重复订单（如同一订单被记录多次）。已知该数据主要覆盖成都、杭州两地，用户以年轻白领为主。请设计一种重复值检测方法，并说明如何去重。

5.数据特征工程（5分）

背景：某电商用户行为数据中，已有“购买