大家早上好，本人姓吴，如果觉得文章写得还行的话也可以叫我吴老师。欢迎大家跟我一起走进数据分析的世界，一起学习！

感兴趣的朋友可以关注我或者我的数据分析专栏，里面有许多优质的文章跟大家分享哦。

又到了笔试题分享环节，今天的数据分析笔试题来自于迅雷网络，尽管你不打算投这家公司，也完全可以仔细做一遍题，增长一下笔试经验。

另外，对于第二大题，有想法的朋友也可以和我交流。

一、21道不定项选择题

1、以下选项不正确的是（） A,B,D
A、使用drop会释放空间
B、Truncate可以搭配where使用
C、alter…drop… 可用于除去表中字段
D、Delete会释放空间

解析：

A项，drop后的表被放在回收站(user_recyclebin)里，而不是直接删除掉。这样，回收站里的表信息就可以被恢复，或彻底清除，若要彻底删除表，则使用语句：drop table <table_name> purge；
B项D项，truncate 删除表同时释放表空间，不能加where条件，delete只是删除记录，不释放表空间；
C项，alter table [表名] drop column [列名]用于除去表中特定字段。

2、以下常用于衡量用户粘性的指标有哪些（） A,B,D
A、DAU
B、Usage Penetration
C、Revenue
D、Retention

解析：

A项，DAU，日活跃用户数量；
B项，Usage Penetration，使用行为渗透率，一段时间内使用该应用的用户百分比；
C项，Revenue，收入；
D项，Retention，用户留存。

3、一年四个季度，第二到第四个季度对于上个季度的销售额增长率分别为5%、10%、15%，请问第四个季度相对于第一季度的增长率约为（） D
A、50%
B、80%
C、30%
D、33%

解析：

1.05∗1.10∗1.15=1.328251.05 * 1.10 * 1.15=1.328251.05∗1.10∗1.15=1.32825

4、有两个拥有完全相同字段的表，其中一个有10行数据，另一个有5行数据，以下结论不正确的是（） A
A、使用left join连接后的表的数据一定不超过10行
B、使用left join连接后的表的数据可能为10行
C、使用left join连接后的表的数据可能超出10行
D、使用left join连接后的表的数据可能小于10行

解析：

Left Join 连接后的表的数据量可能大于小于或等于左表的数据量。
当where 条件在外，会先聚合后过滤，结果会变少；连接的判断条件也可能使左表的一行数据连接的数据超过一行，结果会变多。

5、以下算法哪些属于聚类算法（） A, B, D
A、DBSCAN
B、EM
C、KNN
D、K-means

解析：

KNN算法属于分类算法。

6、有关hive内部表和外部表与元数据之间的关系的题，具体也忘了。

7、下列有关欠采样的说法，不正确的有（） A,B
A、欠采样是通过增加少数类的数据来达到平衡的效果
B、神经网络算法对于不平衡数据并不敏感
C、欠采样可以用于平衡数据（这个我也忘记了）
D、欠采样是通过减少多数类的数据来达到平衡的效果，可能导致过拟合的情况

8、忘了题目的数据，但主要就是考察你是否认识以下指标。

LT，用户生命周期，是用户自激活开始至最后一次活跃期间的活跃天数
LTV，用户生命周期价值，是产品从用户获取到流失所得到的全部收益的总和。
ROI，投资回报率，是指通过投资而应该返回的价值，即企业从某项投资行为中得到的经济利益回报。
ARPU，计算公式为：ARPU 值=总收入 / 用户数
ARPPU，平均每付费用户收益

9、下列哪些方法可用于缺失值的处理（） A,B,C,D
A、均值填充
B、高维映射
C、建模预测
D、删除缺失数据

解析：

B项，将属性映射到高维空间，采用独热码编码（one-hot）技术。将包含K个离散取值范围的属性值扩展为K+1个属性值，若该属性值缺失，则扩展后的第K+1个属性值置为1。这种做法是最精确的做法，保留了所有的信息，也未添加任何额外信息，若预处理时把所有的变量都这样处理，会大大增加数据的维度。这样做的好处是完整保留了原始数据的全部信息、不用考虑缺失值；缺点是计算量大大提升，且只有在样本量非常大的时候效果才好。

10、以下哪些方法不属于过滤式特征选择（） C
A、相关系数法
B、卡方检验
C、PCA
D、方差选择

解析：

A项，使用pearson系数作为特征评分标准，相关系数绝对值越大，相关性越强（相关系数越接近于1或-1时，相关性越强；相关系数越接近于0时，相关性越弱）。特点：皮尔森相关系数法能够衡量线性相关的特征集；
B项，使用统计量卡方检验作为特征评分标准，卡方检验值越大，相关性越强（卡方检验是评价定性自变量对定性因变量相关性的统计量）；
D项，使用方差作为特征评分标准，如果某个特征的取值差异不大，通常认为该特征对区分样本的贡献度不大，因此在构造特征过程中去掉方差小于阈值的特征。

11、问以下哪种情况可能会提高GMV（） A,B,C,D
A、商品涨价
B、商品降价
C、日活量提高
D、新用户增多

解析：

GMV指标通常称为网站成交金额，属于电商平台企业成交类指标。

12、以下哪种方法无法定义出dict类型的数据（） B
A、d = {123: ‘abc’}
B、d = {[123]: ‘abc’}
C、d = {(1,2,3): ‘abc’}
D、d = {}

解析：

python中字典的key不能是可变类型。字典可存储任意类型对象，其中值可以取任何数据类型，但键必须是不可变的，如字符串、数字或元组。
所以B项不可以，而D项也是可以的，大家不信可以自己去定义一个然后type一下。

13、以下关于原假设H0H_0H0和备择假设H1H_1H1的说法，不正确的是（） C,D
A、H1H_1H1通常是支持结论
B、H0H_0H0和H1H_1H1是相互对立的
C、假设检验前，先确定备择假设
D、H0H_0H0也称对立假设

解析：

A项我也没懂啥意思（如果意思H1H_1H1是我们希望被证实的结论，那就没错），C项感觉也有歧义（按我理解应该是先确定原假设再确定备择假设）；D项错了，应该是H1H_1H1备择假设也称对立假设。

14、一道SQL选择题，考group by 和where，简单。

15、在某座城市出现了某种流行病，且已知某座城市男女人数相同，男性患该病的概率为5%，女性为0.25%，现已知该城市的小明得了此病，请问小明为男性的概率是（） B
A、5%
B、95%
C、40%
D、60%

解析：

令人是男性为事件A，女性为事件B，患病为事件C，则P(A)=0.5,P(B)=0.5,P(C∣A)=0.05,P(C∣B)=0.0025P(A∣C)=P(C∣A)∗P(A)P(C∣A)∗P(A)+P(C∣B)∗P(B)=0.952P(A)=0.5,P(B)=0.5,P(C|A)=0.05,P(C|B)=0.0025\\P(A|C)=\frac{P(C|A)*P(A)}{P(C|A)*P(A)+P(C|B)*P(B)}=0.952P(A)=0.5,P(B)=0.5,P(C∣A)=0.05,P(C∣B)=0.0025P(A∣C)=P(C∣A)∗P(A)+P(C∣B)∗P(B)P(C∣A)∗P(A)=0.952

16、ABtest可以用于以下哪些场景（），挺简单的，具体我忘了

17、某类app产品发送优惠短信给很久未使用该产品的用户，不可能出于以下哪种目的（）） B
A、留住用户
B、增长新用户量
C、提高营业额
D、忘了

18、有关arpu和arppu的计算，挺简单的，是单选题

19、x=1, y=2, z=3, 以下说法正确的是（）
A、x = (y==z+1) 结果x=1，y=2，z=3
下面三个没印象了，挺简单的
然后A是错的

20、某一电视台的播放量下降了，可能是以下哪些原因（）
选项忘了，不难

21、离散系数的计算公式是（）

解析：

离散系数的计算公式：标准差与平均数的比值称为离散系数或变异系数。
我记得题目中没有这种说法，而是方差的算法平方根与平均数的比值称为离散系数或变异系数。

二、3道客观题+1道SQL题

1、某一支付类app的会员支付金额上涨了，分析为什么？可以以某一类app为例

2、举出你熟悉的app体验不满意的地方，并作为分析师，给出分析方法。可以以某一类app为例

3、说说你对用户画像的理解。并且分析怎么利用用户画像提高利润额。可以以某一类app为例

4、是一道SQL综合题，一共有3小题，都不难，主要考察到差窗口函数和left join，以及判断数据是否只含有字母和数字（需要用到REGEXP）。

结束语

文中的答案仅为参考答案，而非标准答案，请仔细阅读后自行判断，有意见的朋友可以评论区留言讨论。

推荐关注的专栏

【超详细】数据分析笔试题分享，可以收藏后仔细阅读相关推荐

拼多多数据分析笔试题(附代码答案）
一个拼多多数据分析笔试题分享给大家,附上参考答案,如有更好解法,欢迎交流学习- 文章目录第一部分:SQL查询题3道第一题:活动运营数据分析需求第1问第2问技术提升第二题:用户行为分析需 ...
小红书2020校招数据分析笔试题卷四解析
小红书2020校招数据分析笔试题卷四解析单选题多选题填空题简答题题目来自小红书2020校招数据分析笔试题卷四单选题如果在小红书商城中某一商户给一产品定价,如果按照全网最低价500元定价 ...
2020年小红书校招数据分析笔试题
今天给大家带来2020年小红书校招的数据分析笔试题的详解 1.如果在小红书商城中某一商户给一产品定价,如果按照全网最低价500元定价,那么客人就一定会选择在此购买:价格每增加1元,客人的流失的可能性就 ...
腾讯python面试题_面试题 | 腾讯数据分析面试题分享
原标题:面试题 | 腾讯数据分析面试题分享 annatx | 作者高级农民工 | 来源今天给各位分享两道数据分析试题, 这是腾讯数据分析面试官在面试时考察候选人喜欢出的题,属于硬性技能考察题目,特 ...
育碧Web实习笔试题分享
育碧的Web实习笔试题分享笔试题目一共有20道,主要有选择题,简答题以及编程题,但是大部分都是简答题,题干是全英语的,但是大致题意还是能够读懂.考查知识大体涉及JavaScript.HTTP.CSS ...
BI数据分析笔试题及答案（华为音乐外包）
BI数据分析笔试题一.华为音乐外包 1.数据仓库测试 2.可视化时间空间数据 3.信息与熵的计算 4.基本数据的元数据 5.数据粒度 6.数据预处理 7.非对称二元属性 8.特征工程 9.KDD 1 ...
【超详细Python教学课件分享】寻宝探路
您好,感谢您一直对少儿编程.对"与非学堂"的关注.为了更好地为大家服务,诚邀您填写一份<关于少儿编程教与学的课件资源素材需求调查>,https://www.wjx.cn ...
Zookeeper超详细的面试题
转载自 Zookeeper超详细的面试题 1.ZooKeeper是什么? ZooKeeper是一个分布式的,开放源码的分布式应用程序协调服务,是Google的Chubby一个开源的实现,它是集群的管 ...
神州数码笔试题C语言,神州数码程序类笔试题分享
神州程序类笔试题分享: 神州数码笔试1)description of the students table: sid_id number start_date date end_date date w ...

【超详细】数据分析笔试题分享，可以收藏后仔细阅读

目录

一、21道不定项选择题

二、3道客观题+1道SQL题

结束语

【超详细】数据分析笔试题分享，可以收藏后仔细阅读相关推荐

最新文章

热门文章