2026年数据清洗与预处理实战案例汇编试卷.docxVIP

2026年数据清洗与预处理实战案例汇编试卷

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分。下列每小题备选答案中，只有一项是符合题目要求的。）

1.在数据预处理阶段，下列哪一项通常属于数据探索（ExploratoryDataAnalysis,EDA）的范畴？

A.删除数据中的重复记录

B.计算每个数值型特征的均值和标准差

C.使用回归模型填充缺失值

D.将类别特征转换为数值编码

2.当数据集中的缺失值比例较高时，下列哪种方法可能不太适合？

A.删除含有缺失值的行

B.使用特征工程方法生成新特征来间接表示缺失

C.基于其他特征使用模型（如KNN）预测缺失值

D.直接用固定值（如0或-1）填充所有缺失值

3.对于连续型数值特征中出现的极端异常值，以下哪种处理方法通常更倾向于保留数据完整性？

A.直接删除包含异常值的记录

B.将异常值替换为该特征的均值

C.将异常值限制在预设的合理范围内（如箱线图的上下边缘）

D.对特征进行对数转换以降低异常值的影响

4.在使用Pandas进行数据清洗时，如果要查找数据集中所有缺失值（NaN）的位置，最适合使用的函数是？

A.`data.