睿智合创（北京）科技有限公司数据分析笔试——部分笔试题（附答案）

1.删除重复数据

import pandas as pd

frame=pd.DataFrame({

"C1":['one','two']*2+['two'],

"C2":[1,1,2,3,3]

})

dele_dup=frame.drop_duplicates()

frame..drop_duplicates(inpalce=True)

注：主要考察DataFrame的drop_duplicates()方法，DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)方法及其参数说明http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.drop_duplicates.html

2.缺失值的处理

（1）删除全为空值的行

frame.dropna(axis=0,how="all",inplace=True)

考察DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)方法，方法的参数及其说明http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.dropna.html#pandas.DataFrame.dropna

（2）将缺失值填充为-99999

frame.fillna(-99999)

考察缺失值的填充方法，DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)方法，方法 的参数及其说明http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.fillna.html

（3）将-999替换为缺失值

frame.replace(-999,None)

3.分组统计

frame.groupby("sex").sum()#按照性别进行分组统计

frame.count()#非空元素进行计算

3.改变行列标签

fram.rename(columns=新的列，inplace=True)

fram.rename(index=新的行，inplace=True)

考察DataFrame.rename(mapper=None, index=None, columns=None, axis=None, copy=True, inplace=False, level=None)，方法说明http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.rename.html

4.数值区域分割

给一组数据data=[20,22,25,27,24,23,37,31,64,45,44,32],将数据分割成（0-18），（18-25），（25-40），（40-60），（60-100）

使用pandas的cut对数据进行分组

bins=[0,18,25,40,0,100]#分割点

cats=pd.cut(data,bins)#进行分割

pd.value_counts(cats)#分组统计

#为每个分组加上标签

group_names=["child","youth","youthAdult","middleAged","Senior"]

pd.cut(data,bins,labels=grop_names)

4.数据建模

（1）描述logistic回归与线性回归的区别

（2）简述有监督学习和无监督学习的区别与联系

（3）请举出几个分类模型的评估指标，请举出几个回归模型的评估指标

（4）简述工作的工作或者学校项目中，统计模型建模的基本流程（可结合分析项目说明）

总体下来感觉笔试题不算难，面试的话首先一开始是HR面试，主要问你的求职意向如何，对自己的评价怎样，觉得自己是否是一个开朗的人等等之类的。然后是经理和技术负责人面，主要是聊简历里的项目，在校期间我主要处理的是文本数据，还问了一些有没有做过结构化数据分析之类的相关研究等。或许是应届生的缘故，对于算法这部分没有细问。