2026年高職(大數據技術與應用)數據分析試題及答案

2026年高職(大數據技術與應用)數據分析試題及答案一、單項選擇題（本大題共20小題，每小題2分，共40分。在每小題列出的四個備選項中只有一個是符合題目要求的，請將其代碼填在括號內）1.在大數據的“4V”特征中，指的是數據產生和處理速度快的是（）。A.Volume（大量）B.Velocity（高速）C.Variety（多樣）D.Value（低價值密度）2.在Python的數據分析庫Pandas中，用于表示一維帶標簽數組對象的類是（）。A.DataFrameB.SeriesC.PanelD.NDArray3.下列關于HDFS（HadoopDistributedFileSystem）的描述，錯誤的是（）。A.適合存儲超大文件B.采用流式數據訪問模式C.適合大量的小文件存儲D.默認情況下，數據塊會有3個副本4.使用NumPy創建一個3x3的全零矩陣，應使用函數（）。A.np.ones((3,3))B.np.zeros((3,3))C.np.eye(3)D.np.empty((3,3))5.在Pandas中，若要從DataFrame中刪除包含缺失值的行，應使用的方法是（）。A.df.dropna()B.df.fillna()C.df.isnull()D.df.notnull()6.下列SQL語句中，用于從“students”表中查詢所有“age”大于18的記錄的是（）。A.SELECT*FROMstudentsWHEREage>18B.DELETEFROMstudentsWHEREage>18C.INSERTINTOstudentsVALUES(...)D.UPDATEstudentsSETage=197.在MapReduce計算模型中，主要負責將輸入數據切分成獨立的splits以便并行處理的階段是（）。A.Map階段B.Reduce階段C.Shuffle階段D.InputFormat階段8.使用Matplotlib繪制折線圖時，用于標記數據點的參數是（）。A.colorB.linestyleC.markerD.linewidth9.在SparkRDD的算子中，屬于Transformation（轉換算子）的是（）。A.count()B.collect()C.map()D.saveAsTextFile()10.下列關于數據標準化的描述，正確的是（）。A.標準化是將數據縮放到[0,1]區間B.歸一化是將數據轉換為均值為0，方差為1的分布C.標準化公式通常為(x-mean)/stdD.歸一化公式通常為(x-min)/(max-min)11.在Pandas中，用于按某一列對DataFrame進行分組操作的函數是（）。A.merge()B.concat()C.groupby()D.sort_values()12.下列哪種圖表類型最適合用于展示各部分占總體的百分比關系？（）A.散點圖B.直方圖C.餅圖D.箱線圖13.在Hive中，內部表和外部表的主要區別在于（）。A.存儲格式不同B.刪除表時是否刪除元數據C.刪除表時是否刪除HDFS上的實際數據D.查詢語法不同14.在Python中，使用Pandas讀取CSV文件，默認生成的索引是（）。A.第一列數據B.從0開始的整數序列C.隨機數D.空值15.下列關于相關系數r的描述，錯誤的是（）。A.r的取值范圍在-1到1之間B.r=1表示完全正相關C.r=0表示兩個變量完全獨立D.r的絕對值越接近1，相關性越強16.在數據分析流程中，通常位于數據清洗之后的步驟是（）。A.數據采集B.數據可視化C.特征工程D.需求分析17.使用scikit-learn庫進行數據集劃分，將數據分為訓練集和測試集的函數是（）。A.train_test_splitB.cross_val_scoreC.fit_predictD.GridSearchCV18.在SQL中，用于對查詢結果進行分組統計的關鍵字是（）。A.ORDERBYB.GROUPBYC.DISTINCTD.WHERE19.下列關于Spark的描述，正確的是（）。A.Spark是基于磁盤的計算，比MapReduce慢B.Spark是純內存計算，完全不使用磁盤C.Spark基于內存計算，迭代計算效率高D.Spark只能處理批處理任務20.在Pandas中，`df.iloc[1:3,0:2]`選取的數據是（）。A.第1到3行，第0到2列（包含索引3）B.第2到3行，第1到2列C.第2到4行，第1到3列D.第1到2行，第0到1列二、多項選擇題（本大題共10小題，每小題3分，共30分。在每小題列出的五個備選項中有兩個或兩個以上是符合題目要求的，請將其代碼填在括號內。多選、少選、錯選均不得分）1.下列屬于大數據應用場景的有（）。A.智慧交通B.電商推薦系統C.醫療影像分析D.簡單的文本編輯E.個人記賬本2.Pandas中缺失值處理的方法包括（）。A.刪除缺失值B.均值填充C.眾數填充D.插值法填充E.忽略不處理3.下列關于NumPy數組的操作，哪些會改變原數組？（）A.arr.resize((2,3))B.arr.reshape((2,3))C.arr.sort()D.np.append(arr,[1,2])E.arr.flatten()4.Hadoop生態系統包含的核心組件有（）。A.HDFSB.MapReduceC.YARND.HiveE.Spark5.在數據可視化中，Matplotlib中常用的設置包括（）。A.設置標題B.設置X軸標簽C.設置Y軸標簽D.顯示圖例E.保存圖片6.下列屬于分類算法的有（）。A.邏輯回歸B.決策樹C.K-Means聚類D.支持向量機（SVM）E.線性回歸7.在Python中，讀取Excel文件需要使用的庫或函數包括（）。A.pandasB.openpyxlC.xlrdD.numpyE.matplotlib8.SQL中的聚合函數包括（）。A.SUM()B.AVG()C.COUNT()D.MAX()E.MIN()9.數據清洗的主要任務包括（）。A.缺失值處理B.重復值處理C.異常值處理D.數據標準化E.數據類型轉換10.下列關于DataFrame的描述，正確的有（）。A.是二維表格型數據結構B.每列可以是不同的數據類型C.具有行索引和列索引D.只能存儲數值型數據E.可以像字典一樣通過列名訪問數據三、判斷題（本大題共10小題，每小題1分，共10分。正確的打“√”，錯誤的打“×”）1.大數據技術就是為了解決單機無法處理海量數據存儲和計算的問題而誕生的。（）2.在Python中，列表的索引是從1開始的。（）3.Pandas中的`merge`函數默認是按照索引進行合并的。（）4.HDFS是主從架構，NameNode是主節點，負責管理文件系統的元數據。（）5.標準差越大，說明數據的離散程度越小。（）6.在Matplotlib中，`plt.show()`用于顯示圖形，在JupyterNotebook中可以省略。（）7.SparkRDD是彈性的分布式數據集，一旦創建就不能被修改。（）8.聚類分析是一種無監督學習方法，不需要標簽數據。（）9.在SQL中，`LIKE`關鍵字用于模糊查詢，通配符`%`表示任意多個字符。（）10.中位數容易受到極端值的影響，而平均值比較穩健。（）四、填空題（本大題共10小題，每小題2分，共20分。請將正確的答案填在橫線上）1.在Python的科學計算棧中，用于高效數組運算的庫是__________。2.在Pandas中，`df.head(10)`默認返回DataFrame的前__________行數據。3.在數據分析中，用于衡量數據集中趨勢的統計量包括平均值、中位數和__________。4.MapReduce的過程主要分為Map階段、__________階段和Reduce階段。5.在Matplotlib中，繪制散點圖的函數是__________。6.在SQL中，`LEFTJOIN`會返回左表中的所有記錄，以及右表中__________的記錄。7.在Spark中，`parallelize`方法用于將本地集合轉換為__________。8.在Pandas中，`df.describe()`方法主要用于計算數據的__________統計量。9.在機器學習中，將數據集劃分為訓練集和測試集的目的是為了評估模型的__________。10.HDFS默認的數據塊大小是__________（填數字，單位MB）。五、簡答題（本大題共440小題，每小題10分，共40分）1.簡述大數據處理的生命周期（數據流程）。2.請解釋Pandas中`loc`和`iloc`索引器的區別，并舉例說明。3.在Hadoop中，NameNode和DataNode的作用分別是什么？4.簡述數據清洗中常見的異常值檢測方法。六、綜合應用題（本大題共3小題，共50分。要求邏輯清晰，代碼規范，必要時寫出詳細步驟）1.SQL數據分析應用（15分）假設有一張電商訂單表`orders`，包含字段：`order_id`（訂單ID），`user_id`（用戶ID），`product_id`（產品ID），`amount`（金額），`order_date`（訂單日期）。請編寫SQL語句完成以下任務：(1)查詢2024年1月份的總銷售額。(2)統計每個用戶的購買次數（訂單數）。(3)查詢消費金額排名前3的用戶ID和金額。2.PythonPandas數據分析應用（20分）現有某班級學生的成績數據（CSV格式），包含列：`Name`（姓名），`Math`（數學），`English`（英語），`Python`（Python課程）。部分數據存在缺失值，且部分分數錄入錯誤（如超過100或小于0）。請使用Python和Pandas庫完成以下操作：(1)讀取CSV文件為DataFrame。(2)將缺失值填充為該列的平均值。(3)篩選出分數在0到100之間的有效數據（即去除異常值）。(4)計算每名學生的總分并添加到新列`Total`。(5)輸出總分最高的學生姓名。3.大數據綜合分析與可視化（15分）某連鎖超市收集了各分店的銷售數據。數據格式為文本文件，每行記錄為：`日期,分店ID,商品類別,銷售額`。(1)請設計一個MapReduce程序思路（偽代碼或文字描述），統計每個商品類別的總銷售額。(2)假設已通過MapReduce計算出結果，并使用Python的Matplotlib庫進行展示。請編寫代碼繪制一個柱狀圖，橫軸為商品類別，縱軸為總銷售額，要求標題為“各商品類別銷售統計”，并顯示網格線。參考答案及解析一、單項選擇題1.B2.B3.C解析：HDFS適合存儲大文件，對于大量小文件，由于NameNode需要維護元數據，會產生內存壓力，且尋址時間超過讀取時間，不適合。4.B5.A6.A7.D解析：InputFormat負責將輸入數據切分成邏輯上的InputSplit，然后RecordReader將其轉換為Key-Value對交給Mapper。8.C9.C解析：map是轉換算子，返回新的RDD；count,collect,saveAsTextFile是行動算子，觸發作業提交。10.C解析：A是歸一化，B是標準化，D是歸一化。題目問標準化，C正確。11.C12.C13.C解析：刪除內部表時，元數據和數據都會被刪除；刪除外部表時，只刪除元數據，HDFS上的數據保留。14.B15.C解析：r=0表示線性不相關，但不代表完全獨立（可能存在非線性關系）。16.C17.A18.B19.C20.D解析：iloc是位置索引，左閉右開。1:3取索引1和2，0:2取索引0和1。二、多項選擇題1.ABC2.ABCD3.AC解析：resize和sort是原地操作；reshape返回視圖或副本但不改變原數組形狀；append返回新數組；flatten返回副本。4.ABC解析：Hadoop核心包括HDFS,MapReduce,YARN。Hive和Spark通常被視為生態圈組件，但在廣義上也常被提及。若嚴格按Hadoop核心，選ABC；若按廣義生態圈，常選ABCDE。本題按核心組件選ABC。但通常高職考試中，Hive也被視為重要組件。考慮到題目問“生態系統”，包含D也是合理的，但最核心是ABC。此處答案設定為ABC。5.ABCDE6.ABD解析：K-Means是聚類（無監督），線性回歸是回歸。7.ABC8.ABCDE9.ABCDE10.ABCE三、判斷題1.√2.×解析：Python列表索引從0開始。3.×解析：merge默認按列名相同的鍵進行合并，how='inner'。4.√5.×解析：標準差越大，離散程度越大。6.√7.√解析：RDD是只讀的，不可變，轉換操作生成新RDD。8.√9.√10.×解析：平均值容易受極端值影響，中位數比較穩健。四、填空題1.NumPy2.53.眾數4.Shuffle5.plt.scatter6.匹配（或連接條件滿足）7.RDD8.描述性（或匯總）9.泛化能力（或性能）10.128五、簡答題1.簡述大數據處理的生命周期（數據流程）。答：大數據處理的生命周期通常包括以下步驟：(1)數據采集：從各種數據源（如數據庫、日志文件、傳感器、網絡爬蟲等）獲取原始數據。(2)數據存儲：將采集到的數據存儲在分布式文件系統（如HDFS）或NoSQL數據庫中。(3)數據清洗與預處理：處理缺失值、去除噪聲、數據標準化、格式轉換等，提高數據質量。(4)數據分析與挖掘：利用統計學方法、機器學習算法等對數據進行處理，挖掘有價值的信息。(5)數據可視化：將分析結果通過圖表、報表等形式直觀展示。(6)數據應用：將分析結果應用于業務決策、推薦系統等實際場景。2.請解釋Pandas中`loc`和`iloc`索引器的區別，并舉例說明。答：`loc`是基于標簽的索引器，用于通過行標簽和列名來選擇數據。`iloc`是基于位置的索引器，用于通過整數索引（從0開始）來選擇數據。舉例：假設df=pd.DataFrame({'A':[1,2,3],'B':[4,5,6]},index=['x','y','z'])`df.loc['y','A']`選取標簽為'y'的行和名為'A'的列，結果為2。`df.iloc[1,0]`選取第2行（索引1）和第1列（索引0），結果也為2。區別在于loc使用的是定義的名稱，iloc使用的是絕對位置。3.在Hadoop中，NameNode和DataNode的作用分別是什么？答：NameNode（名稱節點）：是HDFS的主節點，負責管理文件系統的元數據（如目錄結構、文件與數據塊的映射關系、數據塊的位置信息等）。它協調客戶端的訪問操作，并管理DataNode的狀態。DataNode（數據節點）：是HDFS的從節點，負責存儲實際的數據塊。它響應NameNode的指令（如創建、刪除、復制數據塊），并定期向NameNode發送心跳和塊報告，以表明自身存活狀態。4.簡述數據清洗中常見的異常值檢測方法。答：(1)3σ原則（標準差法）：對于服從正態分布的數據，超過平均值±3倍標準差的數據通常被視為異常值。(2)箱線圖法：利用四分位數（Q1,Q3）和四分位距（IQR=Q3-Q1）。通常將小于Q1-1.5*IQR或大于Q3+1.5*IQR的數據視為異常值。(3)散點圖觀察法：通過繪制散點圖，人工識別遠離大部分數據點的離群點。(4)基于聚類的方法：將數據聚類后，距離聚類中心過遠或無法歸屬到任何簇的點可視為異常值。(5)基于業務邏輯：根據實際業務含義設定合理的閾值（如年齡不能為負數），超出范圍即為異常。六、綜合應用題1.SQL數據分析應用(1)查詢2024年1月份的總銷售額。```sqlSELECTSUM(amount)AStotal_salesFROMordersWHEREorder_dateBETWEEN'2024-01-01'AND'2024-01-31';```(2)統計每個用戶的購買次數（訂單數）。```sqlSELECTuser_id,COUNT(order_id)ASorder_countFROMordersGROUPBYuser_id;```(3)查詢消費金額排名前3的用戶ID和金額。```sqlSELECTuser_id,SUM(amount)AStotal_amountFROMordersGROUPBYuser_idORDERBYtotal_amountDESCLIMIT3;```2.PythonPandas數據分析應用```pythonimportpandasaspdimportnumpyasnp#(1)讀取CSV文件#假設文件名為scores.csvtry:df=pd.read_csv('scores.csv')exceptFileNotFoundError:#如果沒有文件，模擬一個數據用于演示data={'Name':['Alice','Bob','Charlie','David'],'Math':[85,90,np.nan,105],'English':[88,np.nan,75,95],'Python':[90,85,80,-5]}df=pd.DataFrame(data)#(2)將缺失值填充為該列的平均值#先選擇數值列進行計算numeric_cols=['Math','English','Python']forcolinnumeric_cols:mean_val=df[col].mean()df[col].fillna(mean_val,inplace=True)#(3)篩選出分數在0到100之間的有效數據#邏輯：所有科目都必須在0-100之間#先將數據限制在0-100，或者直接過濾行。題目要求去除異常值，通常指過濾掉該行。#這里我們假設只要有一科異常就過濾掉該學生mask=(df['Math']>=0)&(df['Math']<=100)&\(df['English']>=0)&(df['English']<=100)&\(df['Python']>=0)&(df['Python']<=100)df_clean=df[mask]#(4)計算每名學生的總分#axis=1表示按行計算df_clean['Total']=df_clean[numeric_co