精华内容
下载资源
问答
  • 数据分析面试题

    万次阅读 多人点赞 2018-12-14 12:46:24
    数据分析面试题 1.一家超市的顾客数据,将数据可视化并分析销售额和年龄、收入的关系并给出营销建议 年龄 收入 销售额 34 350 123 40 450 114 37 169 135 30 189 139 44 183 117 36 80 121 32 ...

    数据分析面试题

    1.一家超市的顾客数据,将数据可视化并分析销售额和年龄、收入的关系并给出营销建议

    年龄收入销售额
    34350123
    40450114
    37169135
    30189139
    44183117
    3680121
    32166133
    26120140
    3275133
    3640133

    答案:

    import matplotlib.pyplot as plt
    # 年龄
    age = [34,40,37,30,44,36,32,26,32,36]
    # 收入
    income = [350,450,169,189,183,80,166,120,75,40]
    # 销售额
    sales = [123,114,135,139,117,121,133,140,133,133]
    # 年龄,销售额 散点图
    plt.scatter(age,sales)
    plt.show()
    

    在这里插入图片描述

     # 收入,销售额 散点图
    plt.scatter(income,sales)
    
    <matplotlib.collections.PathCollection at 0x7e87550>
    

    在这里插入图片描述

    可视化结论:

    • 顾客年龄和销售额负相关,年龄越大销售额越低
    • 顾客收入和销售额也呈负相关,收入越高销售额越低

    建议:

    • 营销针对人群应是一般收入100-200之间,年龄20-37之间的人群,这样营销效果更好

    2.使用原生Python代码和Numpy并行计算分别求解下面的y值

    x1 = [1,2,3,4,5]

    x2 = [3,5,2,9,10]

    y = x12 + x23

    求y值:原生Python实现

    x1 = [1,2,3,4,5]
    x2 = [3,5,2,9,10]
    y = []
    for i in range(len(x1)):
        y.append(x1[i]**22 + x2[i]**33)
    print(y)
    
    [5559060566555524, 116415321826934818647429, 39970994201, 30903154382632612379512827847945, 1000000000000000002384185791015625]
    

    Numpy实现

    import numpy as np
    x1 = np.array([1,2,3,4,5])
    x2 = np.array([3,5,2,9,10])
    y = x1 ** 22 + x2 ** 33
    print(y)
    
    [-1504003196 -1667191419  1316288537  1165272329 -2094601527]
    

    3.返回下表中所有同学语文成绩最低的1次考试成绩

    chineseenglishmathnametest
    756936张三
    688587李四
    544259王五
    555763李四
    593592王五
    456392王五
    615376赵六
    import pandas as pd
    df = pd.read_csv('data/1.class.csv', encoding='gbk')
    df
    
    chineseenglishmathnametest
    0756936张三
    1688587李四
    2544259王五
    3555763李四
    4593592王五
    5456392王五
    6615376赵六
    #自定义函数
    def top(x,n=1,column='chinese'):
            return x.sort_values(by=column)[:1]
    df.groupby('name').apply(top)
    
    chineseenglishmathnametest
    name
    张三0756936张三
    李四3555763李四
    王五5456392王五
    赵六6615376赵六

    4.创建三角级数类,阅读下列代码回答问题

    import numpy as np
    import matplotlib.pyplot as plt
    class trigonometric_function:
        tra_1 = 6
        tra_2 = 12
        def __init__(self,a,k,l):
            self.const1 = a
            self.const2 = k
            self.const3 = l
        def Additive_term(self,x):
            self.summand_s = np.sin(self.const2*x + self.tra_1)
            self.summand_c = np.cos(self.const3*x + self.tra_2)
        def trigon_sum(self,m,n):
            sum_1 = sum([sum([self.const1*(self.summand_s**i)*(self.summand_c**j) for i in range(m)]) for j in range(n)])
            return sum_1
        def draw_pic(self,data):
            fig,axes_1 = plt.subplots(1,1,dpi=140,figsize=(6,4))
            axes_1.plot(x,data)
            plt.show()
        
    

    a.请在代码中找出类变量、实例变量、方法、对象

    类变量:tra1,tra2,const1,const2,const3,summand_s,summand_c

    实例变量:x,a,k,l,m,n,data(通常前面没有self.。)

    方法(属性): Additive_term、trigon_sum、draw_pic

    对象:方法、类变量和实例变量

    b.请写出程序中所涉及到的三角级数

    c.self 什么意思?

    self 代表类的实例,self 在定义类的方法时是必须有的,虽然在调用时不必传入相应的参数。

    d.请阐述下列代码运行后会有什么结果

    f1=trigonometric_function(3,4,6)
    #类的实例化
    #对类进行初始化
    x=np.linspace(-5,5,500)
    #生成500个-5到5之间的点
    f1.Additive_term(x)
    #生成普通三角函数sin和cos
    data=f1.trigon_sum(4,5)
    #生成三角级数数据
    f1.draw_pic(data)
    #绘图
    

    在这里插入图片描述

    5.Python数据分析通常使用的环境、工具和库都有哪些?库功能是什么?

    基础环境一般为Anaconda,

    编辑器多用Ipython或JupyterNotebook,

    常用库有:

    • Numpy:数值计算
    • Matplotlib:数据可视化
    • Pandas:数据预处理和数据分析
    • scikit-learn:机器学习算法建模预测

    6.数据分析的一般流程是什么

    基本流程

    1. 提出问题(明确分析目的)
    2. 准备数据
    3. 分析数据
    4. 洞察结论

    详细流程

    1. 需求层
      目标确定
    2. 数据层
      • 数据获取
      • 数据规整(清洗)
    3. 分析层
      • 描述性分析
        • 指标计算
        • 数据可视化
      • 探索性分析
        • 建模分析
        • 模型验证
        • 迭代优化
    4. 输出层
      • 数据分析报告
      • 总结结论
      • 提出建议并实施

    7.常用的数据分析方法有哪些?

    现状分析

    • 对比分析:
      • 定义:对比两个或以上数据,发现并分析差异,最终从中得出数据差异所代表的含义和规律。
      • 目的:通过比较某个或某些指标,直观的发现事物在某方面的差异与变化,且差异和变化可被准确量化。
      • 分类:横向比较和纵向比较
    • 平均
      • 通过计算平均数来反映总体在一定时间、地点条件下某一数量特征的一般水平。但由于其忽略了个体间可能存在的巨大差异,有时候并不一定反映出某一指标的一般水平。因此,很多时候平均分析法是不可取的。
    • 综合评定
      • 人们通过实践总结,逐步形成了一系列运用多个指标对多个参评单位进行评价的方法,称之为综合评价法。
      • 综合评价法的本质是把多指标转化为一个能够反映综合情况的量(比如评分,通常不再是统计指标)来进行分析

    ……

    原因分析

    • 分组:
      • 定义:根据数据特征,按照一定的指标,把数据划分为不同的群组进行研究,以求揭示各群组间的内在联系和规律。
      • 目的:通常为了对比,按照一定指标把总体中不同性质的个体区分开,把性质相同的个体合并在一起,保证组内个体属性差别最小,组与组之间属性差异最大。
    • 结构
      • 定义:被分析总体内的各部分与总体进行对比的分析方法,即部分数量除以总体数量,换句话说,部分占总体的比例,属于相对指标
    • 交叉
      • 交叉分析法又称立体分析法,是在纵向分析法和横向分析法的基础上,从交叉、立体的角度出发,由浅入深、由低级到高级的一种分析方法。这种方法虽然复杂,但它弥补了“各自为政”分析方法所带来的偏差。
      • 交叉分析可通过交叉分析表来实现:透视表和交叉表
    • 杜邦分析
      • 金字塔结构层层分析法,各层存在明确的因果关系,更多时候是严格的函数关系
    • 漏斗图
      • 漏斗图适用于业务流程比较规范、周期长、环节多的流程分析,通过漏斗各环节业务数据的比较,能够直观地发现和说明问题所在。在网站分析中,通常用于转化率比较,它不仅能展示用户从进入网站到实现购买的最终转化率,还可以展示每个步骤的转化率。
    • 聚类
      ……

    预测分析

    • 回归
    • 判别式分析
    • 神经网络
    • 决策树

    8.数据分析中常见的统计学概念有哪些?

    • 相对数与绝对数:
      • 绝对数描述客观事物总体在一定时间和地点条件下的总规模,总水平的指标。
      • 相对数是指两个相关事物的比值。
    • 百分数和百分点:
      • 男生占班级总人数的90%,男生人数比上一年增长7个百分点,百分数表示个体占总体的程度。百分点表示相同事物不同时期的增幅。
    • 频数频率:
      • 频数是绝对数,频率是相对数。
      • 频数指某种事物或现象在其所在总体出里出现的次数。比如班级有两个女生,我们就可以说女生出现的频数是2.
      • 频率(注:不要和物理频率搞混),个体出现的总次数与总体出现的总次数的比值。
    • 比例和比率:
      • 比例指个体数值在总体数值中的占比。比如一个班级10个人,男生4个,女生6个,则男生的所占比例是4 :10;女生所占比例是6 :10。
      • 比率是总体中各个体数值之间的对比。男女比率是:4 :6
    • 倍数与番数:
      • 倍数是一个数除以另一个数所得的商。比如3是1.5的二倍。
      • 番数指的是某种事物总数的二的n次方倍
    • 同比与环比:
      • 同比是指与历史同时期进行比较得到的数值;环比是指与前一个统计期比较所得到的数值。
      • 这个产品的销售额与上一年相比,同比增长40%;
      • 这个商品的销售额与上个月相比,环比增长30%。

    9.归一化

    • 归一化方法:

    • 归一化作用:

      • 作用1:消除量纲,在多指标评价体系中,由于各评价指标的性质不同,通常具有不同的量纲和数量级。当各指标间的水平相差很大时,如果直接用原始指标值进行分析,就会突出数值较高的指标在综合分析中的作用,相对削弱数值水平较低指标的作用。因此,为了保证结果的可靠性,需要对原始指标数据进行标准化处理。
      • 作用2:提升模型的收敛速度,狭长的标量场经过标准化后变得比较圆,这样会大大提升计算的收敛速度。

    10.常见数据分析方法论

    • PEST:是研究宏观环境对企业或团体影响的一种分析方法(典型案例:海外投资)
      • PEST来自四个英文单词的首字母。这四个因为单词分别是Political Economic Social Technological,四者是组成宏观环境的基本要素。当然它们仅仅基本要素,真正的宏观环境要复杂得多。所以说在实际操作中,往往根据行业和企业的自身特点以及经营需求在此四者基础之上进行适当改变。
    • 5W2H:
      • 来源于7个用来提问英文单词的第一个字母,这7个英文单词分别为why、what、who、when、where、how、how much,用这7个单词进行提问,然后回答提问,在回答中发现解决问题的方法。
    • 逻辑树分析法:
      • 对一个主问题提出几个小问题,然后对每个小问题又可以提出几个问题,依次类推,层层推进,逐渐形成树状结构。
    • 4P营销理论:
      • 由4类因素共同影响销售业务,这四类因素分别为:产品、价格、渠道、促销
    • 客户行为理论:
      • 用户行为主要说的是用户使用行为,就是用户为获取、使用物品或服务所采取的一系列行动,这些行动可总结性地分为:认知、熟悉、试用、使用、忠诚。该理论主要用于网站分析。

    11.什么叫数据分析?

    数据分析是指的是通过统计学方法对采集来的数据进行整理分析,从中提取有用信息并最终得出结论的过程。

    某些学者认为,数据分析分为三类,入门级的描述性数据分析,其方法主要有对比、平均、交叉分析法。高级的探索、和验证数据分析,分析方法有主要有相关分析,回归分析,因子分析。这样的提法有它自己的道理。在我看来,实际上就两类:描述性统计分析和计算性数据分析。

    展开全文
  • 5道Python数据分析面试题

    千次阅读 2020-12-06 21:37:00
    转自|爱数据原统计网11行代码实现1到100的和?分析:这考察的是对Python内置函数的了解程度,Python常见的内置函数有。图片中我框选的是比较常用的一些,你可能见过,这考...

    转自 | 爱数据原统计网

    1

    1行代码实现1到100的和?

    分析:这题考察的是对Python内置函数的了解程度,Python常见的内置函数有。


    图片中我框选的是比较常用的一些,你可能见过,这题考察的是sum也就是求和
    具体的使用

    sum(iterable[, start])

    1. iterable – 可迭代对象,如:列表、元组、集合。

    2. start – 指定相加的参数,如果没有设置这个值,默认为0。

    例如

    sum([1,2,3]) # 结果为6
    sum([1,2,3],5) # 结果为11
    

    python一行代码如何实现1~100的和

    还要用到第二个内置函数 range()

    range(start, stop[, step])

    1. start: 计数从 start 开始。默认是从 0 开始。例如range(5)等价于range(0, 5);

    2. stop: 计数到 stop 结束,但不包括 stop。例如:range(0, 5) 是[0, 1, 2, 3, 4]没有5

    3. step:步长,默认为1。例如:range(0, 5) 等价于 range(0, 5, 1)

    解答:

    sum(range(1,101))
    

    2

    使用Python输出[斐波那契数列]Fibonacci

    斐波那契数列(Fibonacci sequence),又称黄金分割数列、因数学家列昂纳多·斐波那契(Leonardoda Fibonacci)以兔子繁殖为例子而引入,故又称为“兔子数列”。

    例子:1、1、2、3、5、8、13、21、34、……

    解法1:

    100以内的斐波那契数列

    x=1
    y=1
    print(x,end=" ")
    print(y,end=" ")
    while(True):
        z=x+y
        x=y
        y=z
        if(z>100):   #当z>100的时候,终止循环
            break
    
    
        print(z,end=" ")
    

    解法2:

    递归的办法,这个需要数学公式的记忆了

    在数学上,斐波纳契数列以如下被以递归的方法定义:F(1)=1,F(2)=1, F(n)=F(n-1)+F(n-2)(n>=2,n∈N*)

    #递归
    def fibo(n):
      
        if n <= 1:
            return n
        else:
            return (fibo(n - 1) + fibo(n - 2))
     
    m = int(input("打印前多少项?"))
    if m <= 0:
        print("请输入正整数!")
    else:
        print("fibo:")
        for i in range(1,m):
            print(fibo(i))
    

    解法3:

    迭代,用递归当数据大的时候,会出现效率问题

    def fibo(max):
        n, a, b = 0, 0, 1
        while n < max:
            yield b
            a, b = b, a + b
            n = n + 1  # 退出标识
    for n in fibo(5):
        print (n)
    

    经过试验,比迭代速度快很多
    time.clock()说明

    cpu 的运行机制:cpu是多任务的,例如在多进程的执行过程中,一段时间内会有对各进程被处理。一个进程从从开始到结束其实是在这期间的一些列时间片断上断断续续执行的。所以这就引出了程序执行的cpu时间(该程序单纯在cpu上运行所需时间)和墙上时钟wall time。

    time.time()是统计的wall time(即墙上时钟),也就是系统时钟的时间戳(1970纪元后经过的浮点秒数)。所以两次调用的时间差即为系统经过的总时间。

    time.clock()是统计cpu时间 的工具,这在统计某一程序或函数的执行速度最为合适。两次调用time.clock()函数的插值即为程序运行的cpu时间。

    import time
    def fibo(max):
        n, a, b = 0, 0, 1
        while n < max:
            yield b
            a, b = b, a + b
            n = n + 1
    t1 = time.clock()
    for n in fibo(100):
        print (n)
        
    t2 = time.clock()
    
    
    print(t2-t1)
    

    解法4:
    使用列表查看一下速度

    import time
    def fibo(n):
    
    
        result_list = []
        a, b = 0, 1
        while n > 0:
            result_list.append(b)
            a, b = b, a + b
            n -= 1
        return result_list
    
    
    t1 = time.clock()
    print(fibo(1000))
    t2 = time.clock()
    print(t2-t1)
    

    3

    列出几个python标准库

    你先明确的是什么是Python标准库

    Python标准库(standard library)。
    标准库会随着Python解释器,一起安装在你的电脑中的。它是Python的一个组成部分。
    这些标准库是Python为你准备好的利器,可以让编程事半功倍。

    1. os模块

    2. re模块

    3. pickle 模块

    4. datetime模块

    5. time模块

    6. math模块

    4

    下面Python代码的运行结果是?

    这种题目,考察的是代码默读能力

    def f(x,l=[]):
        for i in range(x):
            l.append(i*i)
        print(l)
    f(2)   
    f(3,[3,2,1])
    f(3)
    

    f(2)

    def f(2,l=[]):
        for i in range(2): # i=0,1
            l.append(i*i) # [0,1]
        print(l)
    

    f(3,[3,2,1])

    def f(3,l=[3,2,1]):
        for i in range(3): # i=0,1,2
            l.append(i*i) # [3,2,1,0,1,4]
        print(l)
    

    f(3)

    def f(3,l=[]):
        for i in range(3): # i=0,1,2
            l.append(i*i) # [0,1,4] ???对吗?
        print(l)
    

    这个地方,你需要避免踩坑,一定要注意列表是可变的,如果单独的写没有任何问题,但是函数调用的三行代码放在一起就有点意思了

    f(3,[3,2,1]) 将l进行了重新赋值。但是第三次调用函数使用的依旧是第一次的l,所以避免踩坑哦~~~~

    f(3)运行的正确结果是[0,1,0,1,4]

    5

    Python实现列表去重的方法?

    简单直接的办法,集合里面的元素不可以重复

    my_list = [1,1,2,2,3,3,5,6,7,88]
    my_set = set(my_list)
    my_list = [x for x in my_set]
    my_list
    

    循环判断去重

    ids = [1,1,2,2,3,3,5,6,7,88]
    news_ids = []
    for id in ids:
        if id not in news_ids:
            news_ids.append(id)
    print(news_ids)
    

    字典的fromkeys方法实现

    my_list=[1,1,2,2,3,3,5,6,7,88]
    d = {}.fromkeys(my_list)
    print(d.keys())
    
    展开全文
  • 滴滴出行2020数据分析面试题

    千次阅读 2020-06-23 09:33:46
    题目 问题 1.订单的应答率、完单率分别是多少?...观察表中时间相关数据结合题目,要做出2步数据预处理 【1】将时间相关列转换格式 【2】按巴西比中国慢11小时,将表中北京时间转换为巴西时间。 --...

     

    题目

    问题

    1.订单的应答率、完单率分别是多少?

    2.呼叫应答时间多长?

    3.从这一周的数据来看,呼叫量最高的是哪一个小时(当地时间)?呼叫量最少的是哪一个小时(当地时间)?

    4.呼叫订单第二天继续呼叫的比例有多少?

    5.如果要对表中乘客进行分类,你认为需要参考哪一些因素?

     

    解题过程

    导入mysql数据库及数据预处理

    观察表中时间相关数据结合题目,要做出2步数据预处理

    【1】将时间相关列转换格式

    【2】按巴西比中国慢11小时,将表中北京时间转换为巴西时间。

    -- 利用cast函数转换成日
    展开全文
  • ××教育Excel数据分析面试题

    千次阅读 2020-05-02 10:08:58
      3、用数据条标记销售员的流水数值   4、类似"包小二1131423544"文本中单独提取QQ号码   5、将下列地址中的省(直辖市)、市(地区)、区(县)分别提取出来   6、高级筛选应用操作(很重要的功能)   7、...

      如果觉得文章写得好,如果你想要博客文章中的数据,请关注公众号:【数据分析与统计学之美】,添加作者【个人微信】,进群和作者交流!

    目录

      1、用颜色标记重复值
      2、用颜色标记出姓名中包含“苏”的人名
      3、用数据条标记销售员的流水数值
      4、类似"包小二1131423544"文本中单独提取QQ号码
      5、将下列地址中的省(直辖市)、市(地区)、区(县)分别提取出来
      6、高级筛选应用操作(很重要的功能)
      7、横向查询(很有代表性)
      8、Excel自定义排序
      9、利用Excel函数完成“业绩提成”的计算

    1、用颜色标记重复值

    在这里插入图片描述

    ① 选中上述单元格,点击开始–>条件格式

    在这里插入图片描述

    ② 当出现如下界面,选择“重复”,同时设置“填充色”

    在这里插入图片描述

    注意:从上图可以看出,我们既可以标记“重复值”,也可以标记“唯一值”。

    ③ 效果展示

    在这里插入图片描述

    2、用颜色标记出姓名中包含“苏”的人名

    在这里插入图片描述

    ① 选中上述单元格,点击开始–>条件格式

    在这里插入图片描述

    ② 当出现如下界面,完成如下操作

    在这里插入图片描述

    ③ 效果展示

    在这里插入图片描述

    3、用数据条标记销售员的流水数值

    在这里插入图片描述
    操作如下:
    在这里插入图片描述

    4、类似"包小二1131423544"文本中单独提取QQ号码

    在这里插入图片描述

    ① 在单元格中输入以下公式
    =RIGHT(B20,2*LEN(B20)-LENB(B20))
    

    结果如下:
    在这里插入图片描述

    ② 然后双击填充后,效果如下

    在这里插入图片描述

    5、将下列地址中的省(直辖市)、市(地区)、区(县)分别提取出来

    在这里插入图片描述

    ① 选中数据,点击数据–>分列,并完成如下操作

    在这里插入图片描述

    ② 当出现如下界面,完成如下操作

    在这里插入图片描述

    ③ 当出现如下界面,直接点击“完成”

    在这里插入图片描述

    ④ 效果如下

    在这里插入图片描述

    6、高级筛选应用操作(很重要的功能)

    在这里插入图片描述

    1)将数据源业务部门为“业务一部”并且产品名称为“白米”的记录筛选出来
    ① 在空白区域写一个“条件”,效果如下。

    在这里插入图片描述

    ② 点击数据–>高级,当出现如下界面,完成如下操作

    在这里插入图片描述

    ③ 依次选择“列表区域”、“条件区域”、“复制到”

    注意:“列表区域”指的是源数据;“条件区域”就是我们最开始写的条件;“复制到”指的是我们将筛选后的数据,放到哪个位置。
    在这里插入图片描述

    ④ 效果展示

    在这里插入图片描述

    2)将数据源业务员是“张佳颖”和“刘伟杰”的记录筛选出来
    ① 在空白区域写一个“条件”,效果如下。

    在这里插入图片描述

    ② 点击数据–>高级,当出现如下界面,完成如下操作

    在这里插入图片描述

    ③ 依次选择“列表区域”、“条件区域”、“复制到”

    在这里插入图片描述

    ④ 效果如下

    在这里插入图片描述

    3)将地区是“华北”或者公司名称是“正人资源”的记录筛选出来
    ① 在空白区域写一个“条件”,效果如下。

    在这里插入图片描述

    ② 点击数据–>高级,当出现如下界面,完成如下操作

    在这里插入图片描述

    ③ 依次选择“列表区域”、“条件区域”、“复制到”

    在这里插入图片描述

    ④ 效果如下

    在这里插入图片描述

    7、横向查询(很有代表性)

    我们提供了3个思路,供大家参考。第一个是vlookup()函数;第二个是lookup()函数;第三个是index() + match()函数组合使用。
    在这里插入图片描述

    ① 思路一:vlookup()

    在这里插入图片描述

    ② 思路二:lookup()

    在这里插入图片描述

    ③ 思路三:index() + match()

    在这里插入图片描述

    8、Excel自定义排序

    这是很有用的一个功能,可能很多人还没有用过,借这个面试题给大家讲解一波。
    在这里插入图片描述

    ① 选中所有数据

    在这里插入图片描述

    ② 点击开始–>排序和筛选–>自定义排序

    在这里插入图片描述

    ③ 当出现如下界面,完成如下操作

    在这里插入图片描述

    ④ 当出现如下界面,完成如下操作

    在这里插入图片描述

    ⑤ 当出现如下界面,完成如下操作

    在这里插入图片描述

    ⑥ 效果如下

    在这里插入图片描述

    9、利用Excel函数完成“业绩提成”的计算

    计算销售提成(每一万业绩100提成,例:业绩1万100提成、业绩2万200提成、业绩3万300提成,上不封顶),不足1万没有提成。
    在这里插入图片描述
    操作如下:
    在这里插入图片描述
    关于int()函数的用法,可以参考我的另外一篇文章,查看int()函数的用法。链接:Excel函数大全

    展开全文
  • python数据分析面试题

    万次阅读 多人点赞 2019-04-02 22:11:14
    数据分析 编程 1.一家超市的顾客数据, 将数据可视化并分析销售额和年龄、收入的关系 并给出营销建议 年龄 收入 销售额 34 350 123 40 450 114 37 169 135 30 189 139 44 183 117 36 80 121 32 166 133 26 120 140...
  • 7道常见的数据分析面试题

    万次阅读 多人点赞 2019-02-27 10:32:20
    今天,我们就来聊聊面试数据分析师的那些事。 其实,数据分析能力是每个互联网人的必备技能,哪怕你没有转行数据分析师的计划,也推荐你看看这个专题,提升你的数据能力。 数据分析的能力要求 与数据分析相关的工作...
  • Hive 热门数据分析面试题解析

    千次阅读 2020-03-18 15:11:56
    作者 |数据管道责编 | 徐威龙封图|CSDN 下载于视觉中国SQL中有一类函数叫聚合函数,比如count、sum、avg、min、max等,这些...
  • 有幸去某大型商业银行信用卡中心面试数据分析师一职,题目涉及oracle数据库,shell,机器学习相关知识,现将资源分享,请忽略中答案
  • 我拿到了腾讯最爱考的数据分析面试题

    千次阅读 多人点赞 2020-03-30 17:11:00
    作者:腾讯数据分析师 annatx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,属于硬性技能考察题目,特别好用。如...
  • 数据挖掘数据分析面试题,实用便捷,有一定参考价值,网上搞来的
  • 数据分析面试题

    2016-07-03 19:01:02
    一次面试数据分析师的面试题
  • 假设某电商销售数据有如下几张表: Brand(品牌表) bid name 1 品牌1 Category(品类表) cid name 1 食品 Monthlysales(月度销量统计表) month bid cid paltform sales 2019-12-01 1...
  • 数据分析面试题总结

    千次阅读 多人点赞 2020-04-07 13:37:04
    主要针对数据分析的常见题型,概率与统计、业务问题、机器学习、python、个人剖析进行总结。 vivo: 业务方面 微信红包和转账有啥区别? 利润下降怎么分析? 点击量下降怎么分析? 新客户和老客户流失分析上有...
  • 美团数据分析面试题分享

    千次阅读 2020-08-01 20:37:00
    Abbey| 作者知乎| 来源一份关于美团的数据分析面试题,我用全程用tableau做了一遍,分享给大家。如果有更好的思路可以下面留言共同探讨。按照数据分析步骤,对问题进行分析。...
  • 阿里巴巴 2019 Python 面试题(内部资料)招聘高级开发、测试开发工程师 最新内部资料,供大家参考
  • 数据分析面试题

    千次阅读 2019-07-08 14:42:09
    3)结构化的数据的异常检测手段:图形位置分布(箱型图), 统计方法检测(切比雪夫不等式的方法能够有效地划分出三个类别,包括正常数据、异常数据、未知数据)+距离检测(距离位置检测有一个非常强的假设:正常的...
  • 继续之前的面试题解析,下面是第二题: 求1 +3!+5!+7!+9!+50!之和。 这道题其实考察的是用递归解决阶乘问题,查阅过后发现有三种方法可解(不过掌柜觉得其实是两种)。下面????看第一种解法,常规思路:先找出...
  • 接着昨天的面试题,今天解决五六七八题: 新建属性列,提取日期中的月份 根据id和月份,做数据透视表;分别求出每个id在不同月份的消费笔数、消费总额 合并信息表和数据透视表;按id合并 数据脱敏,将文本信息匿名...
  • 拼多多2020届数据分析面试题合集

    万次阅读 2020-09-17 19:10:00
    来源整理自公众号:胖里的日常第一家公司的2020届数据分析面试题整理就从拼多多开始吧~招聘总共分为学霸批、寻梦批、正式批三批,面试题合集并没有按照批次进行整理,毕竟也没啥规律可循。本人...
  • )好了,言归正传,下面看面试题,因为这个公司偏向于用Python来处理数据和挖掘数据,所以面试的问题也都是跟Python数据分析相关的。 如何查找字典中value最大值对应的key? 方法一:可以用max...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 143,307
精华内容 57,322
关键字:

数据分析面试题