网易2020校招数据分析方向正式批笔试题 解析

题目来自网易2020校招数据分析方向正式批笔试题

选择题

1. 关于主成分分析说法错误的是

PCA可以用来降维处理

PCA可以通过SVD来实现

PCA实现线性组合最大化样本方差

PCA可以通过特征值分解来实现

2. 2个盒子被小牛分别放入中有两个大小相同的球，这两个球只可能是红和蓝两种颜色，并且一个球是红的还是蓝的是等可能的。小牛让小客来猜盒子里球的颜色分别是什么样颜色。在小客猜的过程中，小牛告诉小客其中一个是盒子里面是红色的小球，那么另一个盒子里球还是红色的概率是多少

题解：

总共4种情况：红红、红蓝、蓝红、蓝蓝

现在已知一个是红色 排除最后一种 还有一个是红的概率是 1/3

3. 若$f^{\prime }(e^x)=x{e}^{-x},f(1)=1$,那么$f(e)=?$

令 $y=e^x,x=lny$ ,则$ f’(y) = lny * y^{-1}$

通过交换 可得$f(y) = 1/2 * (lny)^2 + c $

把f(1) = 1带入 c = 1

$f(e) = 1/2 +1 = 1.5 $

4. 数据结构中，沿着某条搜索路线，依次对树中每个结点均做一次且仅做一次访问。对二叉树的结点从1开始进行连续编号，要求每个结点的编号大于其左、右孩子的编号，同一结点的左右孩子中，其左孩子的编号小于其右孩子的编号，可采用（ 后）序的遍历实现编号。

先序 根左右

中序 左根右

后序 左右根

5. 现在假设F是一个森林，B是由F转换得到的二叉树，F中有n个非终端结点，B中右指针域为空的结点有（ n+1 ）个?

简单画图可知

根据森林转换为二叉树的“左孩子右兄弟”的表示法，即对于每棵二叉树，每个结点的右指针指向其右邻兄弟。

针对每一个非终端结点，一定会有且仅有一个孩子结点没有右邻兄弟，即右指针领域为空。因此N个非终端结点，就有N个右指针域为空。

看完单棵二叉树，再来看这些二叉树是怎么连接成一棵二叉树的。原理是：将后一棵二叉树的根节点作为前一棵二叉树的右孩子连接起来，所以只有最后一棵二叉树的根结点没有右孩子，即右指针域为空。

因此综上：N个非终端结点，就有(N+1)个结点的右指针域为空。

6. 现在假设对N个元素的链表做顺序查找时，若查找每个元素的概率相同，则平均查找长度为（ (N+1)/2）？

7. 完全二叉树是指深度为K的，有n个结点的二叉树，当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n的结点一 一对应将一棵有50个结点的完全二叉树按节点编号，如根节点的编号为1，那么编号为25的结点是（ 有左孩子，无右孩子）？

完全二叉树，而且与深度为K的满二叉树中编号从1至n的结点一 一对应，说明满足每层从左到右都是按编号顺序排列的，根节点的编号为1，对于编号为n的结点，其左孩子编号为2n , 右孩子编号为2n+1。当根节点编号为0时，左孩子编号为2n+1，右孩子为2n+2，父节点为(n-1)/2

8. 假设有选课表course_relation(student_id, course_id)，其中student_id表示学号，course_id表示课程编号，如果小易现在想获取每个学生所选课程的个数信息，请问如下的sql语句正确的是（ ）

select student_id, count(course_id) from course_relation group by student_id;

9. 城市A当前剩余的车牌号为70000-99999之间，假设不能有两个相同的数字，那么剩余车牌号有(9072 )个.

3 * 9 * 8 * 7 * 6 = 9072

第一位有7、8、9 三种选择，第二位有9种选择 ，以此类推

10.15个阶梯，你一次可以上一阶或两阶，走上去，共有多少种走法？（987）

斐波那契数列 1、2、3、5、8、13、21、34、55、89、144、233、377、610、987

简答题

用户分析是电商数据分析中重要的模块，在对用户特征深度理解和用户需求充分挖掘基础上，进行全生命周期的运营管理（拉新—>活跃—>留存—>价值提升—>忠诚），请尝试回答以下3个问题：

1. 现在数据库中有一张用户交易表order，其中有userid（用户ID）、orderid（订单ID）、amount（订单金额）、paytime（支付时间），请写出对应的SQL语句，查出每个月的新客数（新客指在严选首次支付的用户），当月有复购的新客数，新客当月复购率（公式=当月有复购的新客数/月总新客数）

   create view t1 as
   select userid,strftime('%Y-%m',min(paytime)) as year_month 
   from order group by userid 
   
   -- 每个月新客数
   select t1.year_month,count(t1.userid) as '每月新客数'
   from t1 group by t1.year_month
   
   -- 当月有复购的新客数
   select t2.year_month,count(t2.nums) as '复购的新客数'
   from 
   (
     select t1.year_month,count(o1.userid) as nums
     from t1 inner join order o1
     on o1.userid = t1.userid and strftime('%Y-%m',o1.paytime) = t1.year_month
     group by o1.userid
     having count(o1.userid) > 1
   ) as t2
   group by t2.year_month
   
   -- 新客当月复购率
   select a.year_month, a.每月新客数, b.复购的新客数, 1.0*b.复购的新客数/a.每月新客数 as '当月复购率'
   from 
   (
     	select t1.year_month,count(t1.userid) as '每月新客数'
   		from t1 group by t1.year_month
   ) as a
   (
     	select t2.year_month,count(t2.nums) as '复购的新客数'
   		from 
    		(
         	select t1.year_month,count(o1.userid) as nums  
         	from t1,order o1
   				where o1.userid = t1.userid and strftime('%Y-%m',o1.paytime) = t1.year_month
   				group by o1.userid  having count(o1.userid) > 1
    		)as t2
    		group by t2.year_month
   ) as b
   where a.year_month=b.year_month
   order by a.year_month
   

   2. 当你发现最近一周APP端新访用户当天转化率（公式=新访当天支付人数/新访用户数，新访是指首次访问严选APP的设备）环比最近4周日均转化率大幅下跌（超30%），你会如何去探查背后的原因？请描述你的思路和其中涉及的关键指标

   环比：2020.11 和 2020.12

   同比：2019.12 和 2020.12

   由于最近一周APP新访用户当天转化率都大幅下跌，所以可以排除偶然事件的影响，判定是产品侧出了问题需要改进。

   1. 根据转化率公式=新访当天支付人数/新访用户数，

   • 首先判断是不是在新访用户数不变的基础上、新访当天支付人数减少了？

     • 是哪些人群的支付人数减少了？
     • 这些人是否存在渠道的差异？
     • 哪个渠道的人群转化率降低了？
     • 是不是这个渠道的素材出了问题？
     • 是不是产品策略最近有改变导致这个人群下单需求降低？
     • 可以通过查看分渠道新访用户数和转化率进行判断。

   • 然后继续判断，是不是新访用户数增多，但当天支付人数没有增多。

     • 新访用户数增多是所有渠道都增多还是个别渠道增多？
     • 如果是个别渠道新访客增多，那说明产品前期运营做的不错，对用户是有一定吸引力的。但为什么选择下单的用户少?
     • 是具体哪个功能模块出了问题？
     • 是相关推荐的算法不够精确还是购物车的设计不够方便支付？
     • 可以查看各渠道的新访用户数，当天支付用户数，各渠道的用户对各功能的使用情况来排查有问题的部分。

2. 在进行用户运营之前，我们通常会对用户进行分层，针对不同类型用户实施差异化的运营策略和资源投入，请你帮助设计严选用户分层的方案，包括关键特征的选择，分层的方法，如涉及模型/算法，请说明选择的算法类型、基本原理和步骤

• 用户分层指的是根据用户不同的消费倾向与消费偏好，针对性的提供营销和服务，以极化用户价值。这里用户分层的具体业务目标是,便于进行全生命周期的运营管理（拉新、活跃、留存、价值提升、忠诚）

• 为了便于进行运营管理，根据全生命周期的几个阶段进行用户分层，以便对每个阶段的用户实施差异化的策略，将其向下个阶段转化。可以看到每个阶段都是对用户购物行为的一种描述，那么根据用户的购物模式来分层。根据用户的消费金额、最近消费频率、最近活跃天数、最近活跃行为等关键特征分为以下几层：

  • 客单>=500 且 最近七天有活跃（高质量用户，防流失）
  • 近30天购买频次 >=3 且 近7天未访问（活跃用户，提高留存）
  • 近7天访问频次 >=5 且 近7天未购买（需要价值提升）
  • 七天内注册用户且无下单购买（新用户需要开单）
  • 客单≥500且近7天未访问（提高活跃度）

  c.由于消费金额/频率/活跃天数这些都是连续型数据，且数据量较大，所以用Kmeans聚类算法。

  基本原理和步骤略

网易严选是网易旗下原创生活类自营电商品牌，深度贯彻“好的生活，没那么贵”的品牌理念。商品覆盖居家、餐厨、配件、服装、洗护、母婴、原生态饮食等几大类目，兼具品质和性价比，得到用户的广泛好评。若你是网易严选负责商品的数据分析师，当面对以下业务问题时，你会如何解决？

1. 居家品类期望了解购买居家类目的用户是哪群人，期望你帮助她进行品类用户画像的构建，以作为居家品类规划和商品运营的参考，你会从哪些维度去完成类目用户的刻画？

• 构建居家品类用户画像的目的是，了解这类用户的特征进而了解他们的需求，从而作为参考帮助运营给用户提供区别化的对待、个性化的服务，达到提升用户购物体验进而提升平台流水的效果。
• 要具体的刻画购买居家品类的用户，要从和居家有关系的方面入手，涵盖尽可能多的方面。根据以上具体业务目标，我选用以下维度描述购买居家类目的用户：
  • 自然属性 年龄，性别；
  • 社会属性 职业，住在哪里，婚恋状况，教育程度；
  • 兴趣属性 喜欢进行的活动，花费时间最多的工作之外的活动，是否养宠物
  • 消费属性 消费频次，消费额，最喜欢购买哪个品牌的居家类商品，购买次数最多的居家类商品是什么。

2. 如果需要选择一批商品来吸引新用户，你会从哪些维度进行选择？请写出维度，选择的原因，对应的指标

• 从商品品类维度选，各种品类的商品都挑选，显示出网易严选商品的齐全、种类多。涉及到的指标有，覆盖到的商品类目有多少、商品类目有哪些。

• 从商品品质维度选，显示出网易严选定位的一大特点：品质优，这对于商品来说是一个硬核项。要直观的表示商品品质不太容易，可以利用品牌效应，选大牌商品，列举出网易严选平台上有多少垂直领域里的大牌，突出平台的定位。涉及到的指标有：网易严选有多少大牌/专业品牌，具体到每个领域的大牌有哪些

• 从商品性价比维度选，显示出网易严选定位的另一大特点：性价比高。涉及到的指标有：优质商品在网易严选的定价和在其他平台的定价对比

• 从商品好评率维度选，选好评率最高的，让用户的赞扬声感染更多的用户。涉及到的指标有：商品评价里好评个数/评价总数

编程题

小易给定你数字A、B(A < B)和系数p,q。每次操作你可以A将变成A+p或者将p变成p*q。问至少几次操作使得B<=A。

输入描述:
第一行数据组数T，对于每组数据，一行四个整数A,B,p,q。
1<=A,p,B<=10^9,2<=q<=10,1<=T<=5

输出描述:
对于每组数据，输出一个数字表示答案

示例1
输入
2
1 5 7 2
3 5 1 2
输出
1
2

示例2
输入
2
1 15 4 2
12 19 3 2
输出
3
3

#include <stdio.h>
#include <iostream>
#include <cmath>
using namespace std;
int main()
{
    int n;cin>>n;
    while(n--){
        int a,b,p,q;
        cin>>a>>b>>p>>q;
        if(b-a<=p)
            cout<<1<<endl;
        else{
            int ans = (b-a)/p;
            if(ans * p != b-a)
                ans++;
            int res = log(ans)/log(q);
            if(log(q) * res != log(ans))
                res++;
            cout<<res+1<<endl;
        }
    }
    return 0;
}

有三种葡萄，每种分别有a,b,c颗。有三个人，第一个人只吃第种1、2葡萄，第二个人只吃第2、3种葡萄，
第三个人只吃第1、3种葡萄。适当安排三个人使得吃完所有的葡萄,并且且三个人中吃的最多的那个人吃得尽量少。

输入描述:
第一行数字T，表示数据组数。
接下来T行，每行三个数a,b,c
1<=a,b,c<=10^18,1<=T<=10


输出描述:
对于每组数据，输出一行一个数字表示三个人中吃的最多的那个人吃的数量。

示例1
输入
2
1 2 3
1 2 6
输出
2
3

示例2
输入
1
12 13 11
输出
12

题解：
 1. 把这三种葡萄数量 看成三角形的三条边
 2. 如果这些数量构成 三角形 每个人吃相邻两边 也就是均分所有葡萄 这里要的是最大值 所以记得处理小数
 3. 如果不能构成 三角形 且两短边之和大于等于长边的一半，也可实现总数平分；
 4. 反之，则结果为长边的一半 说明有一种葡萄的数量大于 其他两种数量之和 那种葡萄两个人平分 所以最大的是
 
#include <stdio.h>
#include <iostream>
#include <algorithm>
using namespace std;
int main()
{
    long nums[3];
    int n;
    cin>>n;
    while(n--){
        long sumnums = 0;
        for(int i = 0;i < 3;i++){
            cin>>nums[i];
            sumnums += nums[i];
        }
        sort(nums,nums+3);
      	//特殊处理下小数
        cout<<max((sumnums+2)/3,(nums[2]+1)/2)<<endl;
    }
    return 0;
}

小易定义一个数字序列是完美的，即每个数字都要大于等于前面所有数字的和。现在给定数字序列A
小易想请你从中找出最长的一段连续子序列，满足它是完美的。

输入描述:
第一行数据组数T。对于每组数据，第一行一个整数n，接下来一行n个整数表示序列。
1<=n<=10^5

输出描述:
对于每组数据，一行一个数字表示最长完美的连续子序列的长度。

示例1
输入
2
5
1 3 9 2 6
5
4 2 9 16 7
输出
3
3

题解：
1.双指针滑动窗口
2.设置起点，遍历数组，如果当前符合完美数组，加入并更新
3.否则重新建立 ，更新

#include <stdio.h>
#include <iostream>
using namespace std;
int main()
{
    int n, m;
    cin >> n;
    while(n--) {
        cin >> m;
        int nums[m];
        int start = 1;
        int ans = 0;
        for(int i = 0; i < m; i++)
            cin >> nums[i];
        int sum = nums[0];
        for(int i = 1; i < m; i++) {
            if(sum <= nums[i]) {
                sum += nums[i];
                ans = max(ans, i - start + 1);
            }else {
                start = i;
                sum = nums[i];
            }
        }
        cout << ans << endl;
    }
    return 0;
}

小易的公司一共有n名员工, 第i个人每个月的薪酬是xi万元。
现在小易的老板向小易提了m次询问, 每次询问老板都会给出一个整数k, 小易要快速回答老板工资等于k的员工的数量。

输入描述:
第一行，两个空格间隔的整数n和m,表示人数和提问的次数 
第二行，n个用空格间隔的整数xi，表示每名员工的薪酬
接下来有mm行，每行一个整数，表示老板的一次提问。
1<=m<=80000 ,1<=n<=100000 ,1<=xi<=500,000,000

输出描述:
m行，每行一个整数，表示对应提问的答案

示例1
输入
7 4
6 2 1 2 6 2 5
6
5
8
2
输出
2
1
0
3

解法：
直接用unordered map 哈希表



#include <stdio.h>
#include <iostream>
#include <vector>
#include <unordered_map>

using namespace std;

int main()
{
    int n,m;
    cin>>n>>m;
    unordered_map<int, int> dicts;
    for(int i = 0; i< n; i++)
    {
        int x;cin>>x;
        dicts[x]++;
    }
    int k;
    for(int i = 0; i < m; i++ ){
        int x;cin>>x;
        cout<<dicts[x]<<endl;
    }
    return 0;
}