Python数据分析面试题及参考答案

目录

处理 DataFrame 中多列缺失值的 5 种方法

批量替换指定列中的异常值为中位数

使用正则表达式清洗电话号码格式

合并两个存在部分重叠列的 DataFrame

将非结构化 JSON 日志转换为结构化表格

处理日期列中的多种非标准格式（如 "2023 年 12 月 / 05 日"）

识别并删除包含超过 30% 缺失值的列

对分类特征进行数值化编码（OrdinalEncoder 与 OneHotEncoder 对比）

批量提取字符串中的嵌套 JSON 数据

处理 CSV 文件中数字字段的千分位符（如 "1,234.56"）

对时间序列数据做向前 / 向后填充插值

检测并处理重复索引的 3 种方案

对多列数据进行 MinMax 归一化与 Z-Score 标准化

处理多级列名的宽表转长表

合并多个 Excel 文件并处理字段冲突

多条件筛选 DataFrame（包含复杂逻辑运算符）

使用 query 方法实现动态条件查询

对分组数据同时计算均值、标准差、分位数

实现滚动窗口统计（7 天移动平均）

使用 transform 生成分组排名

多层索引 DataFrame 的列堆叠与解堆

透视表实现多维度复合分析

使用 eval 进行高性能列间计算

将多行日志数据聚合成单行会话数据

处理时区不一致的时间序列对齐

使用 cut/qcut 实现自定义分箱

对超大 CSV 文件进行分块处理

使用 Styler 实现条件格式化输出

合并多个关联表的 5 种 join 策略

使用 pipe 构建可复用数据处理管道

绘制双坐标轴趋势对比图

动态气泡图展示多维数据关系

使用 Seaborn 绘制聚类热力图

交互式平行坐标图实现维度筛选

绘制带置信区间的折线图

日历热力图展示时间模式

3D 曲面图可视化数学模型

绘制桑基图分析用户转化路径

地理热力图结合 OpenStreetMap 背景

动态仪表盘整合多个可视化组件

卡方检验分析分类变量关联性

使用 Bootstrapping 计算置信区间

正态性检验与数据变换方案选择

多变量相关性矩阵分析

时间序列的 ADF 平稳性检验

主成分分析降维与因子解释

异常检测的三种统计方法对比

蒙特卡洛模拟预测业务指标

生存分析中的 Kaplan-Meier 曲线

多元线性回归的假设验证

分层抽样保证各组比例

自定义聚合函数计算变异系数

分组后筛选 TOP N 记录

多级分组下的累积计算

分组填充组内缺失值为组均值

动态计算分组内的环比增长率

使用 filter 排除小样本组

分组应用机器学习模型

生成分组数据分布报告

分组时间重采样（周 / 月粒度）

特征重要性评估的 3 种方法

使用 Pipeline 构建完整建模流程

类别不平衡数据的 5 种处理方案

超参数网格搜索与贝叶斯优化

模型评估指标的场景选择（F1/AUC/MAPE）

聚类结果的可视化验证

特征交叉生成高阶组合

模型解释工具 SHAP 实战

时间序列预测的滑动窗口构造

模型持久化与 API 部署

使用窗口函数计算累计占比

递归 CTE 处理树形结构数据

多表连接优化查询性能

使用索引加速模糊查询

物化视图自动刷新策略

从 HDF5 文件高效读取切片数据

Parquet 格式的谓词下推查询

使用 SQLAlchemy 实现 ORM 操作

Redis 缓存热点查询结果

分布式查询 Dask DataFrame

中文分词与停用词过滤

关键词提取的 TF-IDF 实现

情感分析基于预训练模型

文本相似度计算（余弦 / Jaccard）

正则表达式提取复杂模式

词向量可视化（t-SNE 降维）

文本数据增强的 5 种方法

多语言文本编码检测

季节性分解（STL 方法）

处理不规则时间戳对齐

多周期特征工程构建

Prophet 预测节假日效应

动态阈值异常检测

电商用户行为漏斗分析

股票因子量化回测系统

新闻舆情实时监控系统

城市交通流量预测模型

广告点击率预估全流程

---

处理 DataFrame 中多列缺失值的 5 种方法

在处理数据时，DataFrame 中多列出现缺失值是常见的问题，以下是 5 种处理方法：

• 删除法：当缺失值占比非常小或者缺失值的存在对分析结果影响较大时，可直接删除包含缺失值的行或列。使用dropna()方法，设置axis=0删