2025年數(shù)據(jù)分析師數(shù)據(jù)讀寫試卷及答案一、選擇題（每題2分，共12分）

1.下列哪個工具常用于數(shù)據(jù)清洗？

A.Python

B.SQL

C.Excel

D.R

答案：B

2.下列哪個函數(shù)用于計算一組數(shù)據(jù)的平均值？

A.SUM

B.COUNT

C.AVG

D.MAX

答案：C

3.下列哪個數(shù)據(jù)庫管理系統(tǒng)（DBMS）是目前應(yīng)用最廣泛的？

A.MySQL

B.MongoDB

C.PostgreSQL

D.SQLite

答案：A

4.下列哪個庫可以用于處理時間序列數(shù)據(jù)？

A.Pandas

B.NumPy

C.Scikit-learn

D.TensorFlow

答案：A

5.下列哪個算法用于分類問題？

A.K-means

B.K-NN

C.DecisionTree

D.NeuralNetwork

答案：C

6.下列哪個庫可以用于數(shù)據(jù)可視化？

A.Matplotlib

B.Seaborn

C.JupyterNotebook

D.Plotly

答案：A

二、簡答題（每題6分，共18分）

1.簡述數(shù)據(jù)清洗的主要步驟。

答案：

（1）數(shù)據(jù)預(yù)處理：去除重復(fù)、缺失、異常等數(shù)據(jù)；

（2）數(shù)據(jù)轉(zhuǎn)換：將數(shù)據(jù)轉(zhuǎn)換為適合分析的格式；

（3）數(shù)據(jù)集成：將多個數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行整合；

（4）數(shù)據(jù)規(guī)約：降低數(shù)據(jù)復(fù)雜性，提高數(shù)據(jù)質(zhì)量。

2.簡述SQL語言中常用的聚合函數(shù)。

答案：

（1）SUM：求和；

（2）COUNT：計數(shù)；

（3）AVG：平均值；

（4）MAX：最大值；

（5）MIN：最小值。

3.簡述Python中Pandas庫的常見功能。

答案：

（1）數(shù)據(jù)讀取：從各種數(shù)據(jù)源讀取數(shù)據(jù)，如CSV、Excel、數(shù)據(jù)庫等；

（2）數(shù)據(jù)清洗：處理重復(fù)、缺失、異常等數(shù)據(jù)；

（3）數(shù)據(jù)轉(zhuǎn)換：將數(shù)據(jù)轉(zhuǎn)換為適合分析的格式；

（4）數(shù)據(jù)操作：對數(shù)據(jù)進(jìn)行排序、篩選、合并等操作；

（5）數(shù)據(jù)可視化：使用Matplotlib、Seaborn等庫進(jìn)行數(shù)據(jù)可視化。

三、應(yīng)用題（每題12分，共36分）

1.使用Python中的Pandas庫，對以下數(shù)據(jù)進(jìn)行分析，并輸出結(jié)果。

importpandasaspd

data={

'name':['Alice','Bob','Charlie','David'],

'age':[25,30,35,40],

'salary':[5000,6000,7000,8000]

}

df=pd.DataFrame(data)

#請在此處編寫代碼，分析以下問題：

#（1）計算平均年齡；

#（2）計算平均薪資；

#（3）篩選出年齡大于30歲的人；

#（4）將數(shù)據(jù)按照年齡降序排序。

答案：

（1）平均年齡：32.5歲

（2）平均薪資：6500元

（3）篩選結(jié)果：

nameagesalary

0Alice255000

1Bob306000

2Charlie357000

3David408000

（4）排序結(jié)果：

nameagesalary

0David408000

1Charlie357000

2Bob306000

3Alice255000

2.使用SQL語句，對以下數(shù)據(jù)庫表進(jìn)行查詢。

CREATETABLEemployees(

idINTPRIMARYKEY,

nameVARCHAR(50),

ageINT,

salaryDECIMAL(10,2)

);

INSERTINTOemployees(id,name,age,salary)VALUES(1,'Alice',25,5000);

INSERTINTOemployees(id,name,age,salary)VALUES(2,'Bob',30,6000);

INSERTINTOemployees(id,name,age,salary)VALUES(3,'Charlie',35,7000);

INSERTINTOemployees(id,name,age,salary)VALUES(4,'David',40,8000);

#請在此處編寫SQL語句，分析以下問題：

#（1）查詢年齡大于30歲的員工信息；

#（2）查詢平均薪資；

#（3）查詢薪資最高的員工信息。

答案：

（1）查詢結(jié)果：

idnameagesalary

1Alice255000

2Bob306000

3Charlie357000

4David408000

（2）平均薪資：6500元

（3）查詢結(jié)果：

idnameagesalary

1Alice255000

2Bob306000

3Charlie357000

4David408000

3.使用Python中的Pandas庫，對以下CSV文件進(jìn)行讀取、清洗、轉(zhuǎn)換和分析。

importpandasaspd

data={

'name':['Alice','Bob','Charlie','David'],

'age':[25,30,35,40],

'salary':[5000,6000,7000,8000]

}

df=pd.DataFrame(data)

#請在此處編寫代碼，分析以下問題：

#（1）將年齡列轉(zhuǎn)換為數(shù)值類型；

#（2）計算平均年齡；

#（3）篩選出薪資高于7000元的員工；

#（4）將數(shù)據(jù)按照年齡升序排序。

答案：

（1）年齡列轉(zhuǎn)換為數(shù)值類型

（2）平均年齡：32.5歲

（3）篩選結(jié)果：

nameagesalary

0Alice255000

1Bob306000

2Charlie357000

3David408000

（4）排序結(jié)果：

nameagesalary

0Alice255000

1Bob306000

2Charlie357000

3David408000

四、編程題（每題20分，共60分）

1.使用Python中的Pandas庫，實現(xiàn)以下功能：

（1）讀取CSV文件；

（2）計算平均年齡；

（3）篩選出年齡大于30歲的員工；

（4）將數(shù)據(jù)按照年齡降序排序。

答案：

importpandasaspd

data={

'name':['Alice','Bob','Charlie','David'],

'age':[25,30,35,40],

'salary':[5000,6000,7000,8000]

}

df=pd.DataFrame(data)

#計算平均年齡

avg_age=df['age'].mean()

#篩選出年齡大于30歲的員工

filtered_df=df[df['age']>30]

#將數(shù)據(jù)按照年齡降序排序

sorted_df=df.sort_values(by='age',ascending=False)

print("平均年齡：",avg_age)

print("篩選結(jié)果：\n",filtered_df)

print("排序結(jié)果：\n",sorted_df)

2.使用SQL語句，實現(xiàn)以下功能：

（1）創(chuàng)建一個名為employees的數(shù)據(jù)庫表，包含id、name、age和salary四個字段；

（2）插入以下數(shù)據(jù)：id為1，name為Alice，age為25，salary為5000；id為2，name為Bob，age為30，salary為6000；

（3）查詢年齡大于30歲的員工信息；

（4）查詢平均薪資。

答案：

CREATETABLEemployees(

idINTPRIMARYKEY,

nameVARCHAR(50),

ageINT,

salaryDECIMAL(10,2)

);

INSERTINTOemployees(id,name,age,salary)VALUES(1,'Alice',25,5000);

INSERTINTOemployees(id,name,age,salary)VALUES(2,'Bob',30,6000);

SELECT*FROMemployeesWHEREage>30;

SELECTAVG(salary)ASavg_salaryFROMemployees;

3.使用Python中的Pandas庫，實現(xiàn)以下功能：

（1）讀取CSV文件；

（2）計算平均年齡；

（3）篩選出薪資高于7000元的員工；

（4）將數(shù)據(jù)按照年齡升序排序；

（5）將結(jié)果保存為新的CSV文件。

答案：

importpandasaspd

data={

'name':['Alice','Bob','Charlie','David'],

'age':[25,30,35,40],

'salary':[5000,6000,7000,8000]

}

df=pd.DataFrame(data)

#計算平均年齡

avg_age=df['age'].mean()

#篩選出薪資高于7000元的員工

filtered_df=df[df['salary']>7000]

#將數(shù)據(jù)按照年齡升序排序

sorted_df=df.sort_values(by='age',ascending=True)

#保存結(jié)果為新的CSV文件

sorted_df.to_csv('sorted_data.csv',index=False)

本次試卷答案如下：

一、選擇題答案及解析：

1.B解析：SQL（StructuredQueryLanguage）是一種用于管理關(guān)系數(shù)據(jù)庫的語言，常用于數(shù)據(jù)清洗。

2.C解析：AVG函數(shù)用于計算一組數(shù)據(jù)的平均值。

3.A解析：MySQL是目前應(yīng)用最廣泛的數(shù)據(jù)庫管理系統(tǒng)之一。

4.A解析：Pandas庫是Python中處理時間序列數(shù)據(jù)的常用庫。

5.C解析：DecisionTree是一種用于分類問題的算法。

6.A解析：Matplotlib是Python中常用的數(shù)據(jù)可視化庫。

二、簡答題答案及解析：

1.解析：

（1）數(shù)據(jù)預(yù)處理：去除重復(fù)、缺失、異常等數(shù)據(jù)；

（2）數(shù)據(jù)轉(zhuǎn)換：將數(shù)據(jù)轉(zhuǎn)換為適合分析的格式；

（3）數(shù)據(jù)集成：將多個數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行整合；

（4）數(shù)據(jù)規(guī)約：降低數(shù)據(jù)復(fù)雜性，提高數(shù)據(jù)質(zhì)量。

2.解析：

（1）SUM：求和；

（2）COUNT：計數(shù)；

（3）AVG：平均值；

（4）MAX：最大值；

（5）MIN：最小值。

3.解析：

（1）數(shù)據(jù)讀取：從各種數(shù)據(jù)源讀取數(shù)據(jù)，如CSV、Excel、數(shù)據(jù)庫等；

（2）數(shù)據(jù)清洗：處理重復(fù)、缺失、異常等數(shù)據(jù)；

（3）數(shù)據(jù)轉(zhuǎn)換：將數(shù)據(jù)轉(zhuǎn)換為適合分析的格式；

（4）數(shù)據(jù)操作：對數(shù)據(jù)進(jìn)行排序、篩選、合并等操作；

（5）數(shù)據(jù)可視化：使用Matplotlib、Seaborn等庫進(jìn)行數(shù)據(jù)可視化。

三、應(yīng)用題答案及解析：

1.解析：

（1）平均年齡：32.5歲

（2）平均薪資：6500元

（3）篩選結(jié)果：

nameagesalary

0Alice255000

1Bob306000

2Charlie357000

3David408000

（4）排序結(jié)果：

nameagesalary

0David408000

1Charlie357000

2Bob306000

3Alice255000

2.解析：

（1）查詢結(jié)果：

idnameagesalary

1Alice255000

2Bob306000

3Charlie357000

4David408000

（2）平均薪資：6500元

（3）查詢結(jié)果：

idnameagesalary

1Alice255000

2Bob306000

3Charlie357000

4David408000

3.解析：

（1）年齡列轉(zhuǎn)換為數(shù)值類型

（2）平均年齡：32.5歲

（3）篩選結(jié)果：

nameagesalary

0Alice255000

1Bob306000

2Charlie357000

3David408000

（4）排序結(jié)果：

nameagesalary

0Alice255000

1Bob306000

2Charlie357000

3David408000

四、編程題答案