数据分析笔试题

数据分析笔试题

网易数据分析

1. 通常可以通过关联规则挖掘来发现啤酒和尿布的关系， 那么如果对于一条规则A →B, 如果同时购买A和B的顾客比例是4/7, 而购买A的顾客当中也购买了B的顾客比例是1/2, 而购买B的顾客当中也购买了A的顾客比例是1/3,则以下对于规则A →B的支持度(support)和置信度(confidence)分别是多少？
知识点
关联规则 支持度 置信度
笔记
关联规则：反映一个事物与其他事物之间的相互依存性和关联性
常用的频繁项集的评估标准有支持度,置信度和提升度
支持度：几个关联的数据在数据集中出现的次数占总数据集的比重，即项集出现的比例

置信度：一个数据出现后，另一个数据出现的概率，即条件概率

提升度：表示含有Y的条件下，同时含有X的概率，与X总体发生的概率之比

解答
本体中规则A →B的支持度是同时购买AB的比例，即4/7，置信度是购买A的人中购买B的比例，即1/2

2.设{xn}服从独立同分布， E[xn] = 0, Var[xn]=1, 则当n趋向于无穷大时，下式值为：

知识点 概率论
分析
独立同分布，相关系数为0，对式子取期望
E(X²)=E²(X)+Var(X)=1;
E(Xi, Xi+1)=0;

3.最小二乘估计是线性无偏估计中方差最小的
知识点 无偏估计 最小二乘

4.小明在一次班干部二人竞选中，支持率为百分之五十五，而置信水平0.95以上的置信区间为百分之五十到百分之六十，请问小明未当选的可能性有可能是
知识点 统计 假设检验
分析
置信水平0.95以上的置信区间为50%-60%，则区间[0%, 50%]⋃[60%,100%]的概率为5%。
仅当落在区间区间[0%, 50%]时，小明落选，则概率为
(50-0)((50-0)+(100-60) * 5% = 5/9 * 5% ≈ 2.78% ≈ 3%
双尾 双尾5% 单尾肯定小于5%

5.一个快递公司对同一年龄段的员工，进行汽车，三轮车，二轮车平均送件量的比较，结果给出sig.=0.034，说明
知识点 假设检验 统计
分析
p值表示接受原假设最小的显著性水平，p值越小，拒绝原假设的理由越充分

6.以下关于python数据结构说法正确的是
知识点 tuple dict list
笔记
list
1.列表（链表的数据结构）有序的项目, 通过索引进行查找,使用方括号”[]”
2.list可以动态更新,也可以进行嵌套.
tuple
1.将整个元素集是用小括号括起来，是有序集合
2.tuple是不可变的list，创建了一个tuple就不能以任何方式改变它
3.没有 append、extend、remove或pop方法以及index方法
dict
1.整个元素集合用大括号括起来，有序集合
2.键可以是数字、字符串或者是元组等不可变类型
set
1.set是建立一系列无序的，不重复的元素
2.创建set的方式是调用set()并传入一个list，list的元素将作为set的元素set([])
注意 python3.6后的版本，dict中的键值对是有序的，之前版本无序

7.若要在员工信息表EMP中增加一列WANGYI_NO（网易id），可用（ ）

8.对于SQL语句select * from t where a=100 and b=200，哪个索引可以使用到()

知识点 SQL 索引
笔记
1.复合索引:Mysql从左到右的使用索引中的字段，一个查询可以只使用索引中的一部份，但只能是最左侧部分。例如索引是key index (a,b,c). 可以支持a | a,b| a,b,c 3种组合进行查找，但不支持 b,c进行查找 .当最左侧字段是常量引用时，索引就十分有效
2. sql条件查询+排序 适合加索引

9.哪个不是DDL(数据库定义语言)语句？
知识点 数据库语言类型
笔记
DDL语法：
创建：create
删除：drop
修改：alter
修改表名：rename table 旧表名 to 新表名
数据库控制语言DCL：
grant授权

10.截取logfile文件中含有suc的行，并且只输出最后一列，下列操作正确的是:

知识点 linux grep awk
germ
Linux系统中grep命令是一种强大的文本搜索工具,它能使用正则表达式搜索文本,并把匹 配的行打印出来
1.-o 只输出文件中匹配到的部分
2.匹配符 *
3.通过"-v"参数可以打印出不符合条件行的内容
awk
常用形式awk ‘{pattern + action}’ {filenames}
pattern 表示 AWK 在数据中查找的内容，而 action 是在找到匹配内容时所执行的一系列命令
awk ‘{print $NF}’ : 打印每行中的最后一个字段

11.将当前命令sh test.sh任务在后台执行，下列最优雅的的做法是

知识点
Linux
分析
nohup （no hang up）命令
用途：不挂断地运行命令。
语法：nohup Command [ Arg … ] [　& ]
例子： nohup sh example.sh &
描述：nohup 命令运行由 Command 参数和任何相关的 Arg 参数指定的命令，忽略所有挂断（SIGHUP）信号。在注销后使用 nohup 命令运行后台中的程序。要运行后台中的 nohup 命令，添加 & （ 表示”and”的符号）到命令的尾部

12.将一个整数序列整理为升序，两趟处理后序列变为10,12,21,9,7,3,4,25，则采用的排序算法可能是________。
知识点 排序算法
笔记

1. 冒泡：i*j 两两比较，小的放前
2. 选择：i*j两两比较，遍历j后，找到最小的放前面
3. 插入：默认第一个排好序（只有一个，也没得比较），第一步：第二个与第一个比较排序；第二步：第三个插入前面排好序的序列；第三步，第四个插入前面的序列，以此类推
4. 希尔：类似插入排序，但第一步：分i//2堆（随机分配）同步进行插入排序（第一堆排完，再第二堆，再第三堆…）；第二步：分i//4堆依次排；…最后一步：一整堆进行插入排序，耗时i；
5. 归并：分而治之，dynamic programming
6. 快排：定义分区函数，主函数递归排序
7. 堆排：建立二叉树，树内排序，找到最大值取出，更新树，再取出第二大的数…以此类推
8. 计数：不用比较，牺牲空间换时间，开辟key为min到max的数组，遍历原序列，统计数的个数；再对key按顺序输出即可。
9. 桶排：计数排序的升级，计数用了max-min+1个桶，桶排序用k个桶（数量更少），桶内排好序（用传统方法，或递归用桶排），再对桶按顺序输出即可。
10. 基数：同样基于计数排序，先按个位数入列（0-9个列），排好第一步；再按十位数入列，排好第二步；…依次到最大位数入列，排好输出即可。
    分析
    插入排序：第n趟前n+1个有序
    选择排序：第n趟前n个位置正确
    快速排序：第n趟有n个元素位置正确
    堆排序：第n趟前或后n个位置正确

13.若有33个长度不等的初始归并段，做7路平衡归并排序，为组织最佳归并树，应增加长度为0的初始归并段的个数是________。

知识点 平衡归并排序
笔记
1.插入排序、选择排序、归并排序等等，这些算法都属于内部排序算法，即排序的整个过程只是在内存中完成
2.当待排序的文件比内存的可使用容量还大时，文件无法一次性放到内存中进行排序，需要借助于外部存储器（例如硬盘、U盘、光盘），这时就需要外部排序算法来解决
3.外部排序算法由两个阶段构成：
按照内存大小，将大文件分成若干长度为 l 的子文件（l 应小于内存的可使用容量），然后将各个子文件依次读入内存，使用适当的内部排序算法对其进行排序（排好序的子文件统称为“归并段”或者“顺段”），将排好序的归并段重新写入外存，为下一个子文件排序腾出内存空间；
对得到的顺段进行合并，直至得到整个有序的文件为止。
4.例如：有 10 个初始归并段到一个有序文件，共进行了 4 次归并，每次都由 m 个归并段得到 ⌈m/2⌉ 个归并段，这种归并方式被称为 2-路平衡归并
5.对于外部排序算法来说，影响整体排序效率的因素主要取决于读写外存的次数，即访问外存的次数越多，算法花费的时间就越多，效率就越低。
6.一般情况下对于具有 m 个初始归并段进行 k-路平衡归并时，归并的次数为：s=⌊logk⁡m ⌋（其中 s 表示归并次数）
7.对于如何减少访问外存的次数的问题，就等同于考虑如何使 k-路归并所构成的 k 叉树的带权路径长度最短
8.若想使树的带权路径长度和最短，就是构造赫夫曼树，通过以构建赫夫曼树的方式构建归并树，使其对读写外存的次数降至最低（k-路平衡归并，需要选取合适的 k 值，构建赫夫曼树作为归并树）。所以称此归并树为最佳归并树。
9.在一般情况下，对于 k–路平衡归并来说，若 (m-1)MOD(k-1)=0，则不需要增加虚段；否则需附加 k-(m-1)MOD(k-1)-1 个虚段

14.将4个不一样的球随机放入5个杯子中，则杯子中球的最大个数为3的概率是?
知识点 概率
分析
前三个球有针对的放，概率为（1/5）（1/5）（1/5）
选定盛装三个球的杯子：5个可能
最后一个球放的杯子有四种选择：4个可能
四种球不同，最后一个球的可能性为4个可能
[5*（1/5）（1/5）（1/5）]*（4/5）*4=16/125

15.从数字集合{1,2,3,4,… ,20}中选出4个数字的子集，如果不允许两个相连的数字出现在同一集合中，那么能够形成多少个这种子集？
知识点 概率 排列组合 插空法
分析
插空法 ，把4个数插到16个数形成的17个空格中
笔记
某些元素不相邻的排列组合题，即不邻问题，可采用插空法，即在解决对于某几个元素要求不相邻的问题时，先将其它元素排好，再将指定的不相邻的元素插入已排好元素的间隙或两端位置
1.基本题型为：n个相同元素，不同个m组，每组至少有一个元素；求共有多少种不同方法？
答：在 n 个元素的n-1 个间隙中放置 m-1 块隔板把它隔成 m 份
2.有 n 个相同的元素，要求分到 m 组中，问有多少种不同的分法？
答：这种问题是允许有些组中分到的元素为 “0”，也就是组中可以为空的。对于这样的题，我们就首先将每组都填上 1 个，这样所要元素总数就 m 个，问题也就是转变成将（ n+m ）个元素分到 m 组，并且每组至少分到一个的问题，也就可以用插板法来解决。

16.有2堆宝石，A和B一起玩游戏，假设俩人足够聪明，规则是每个人只能从一堆选走1个或2个或3个宝石，最后全部取玩的人获胜，假设2堆宝石的数目为12和13，请问A怎么可以必胜？

知识点 博弈
笔记
面对平衡态（奇异态）的输，面对非平衡态赢，（12，13）相当于（0，n），一次取n，此时为非平衡态，先取的赢。
取石子游戏
问题介绍：一个古老的博弈游戏，发源于中国，它是组合数学领域的一个经典问题。它有许多不同的玩法，基本上是两个玩家，玩的形式是轮流抓石子，胜利的标准是抓走了最后的石子。
玩家设定： 先取石子的是玩家A，后取石子的是玩家B。
经典的三种玩法：
1.巴什博奕(Bash Game)：有1堆含n个石子，两个人轮流从这堆物品中取物，规定每次至少取1个，最多取m个。取走最后石子的人获胜。
2.尼姆博奕(Nimm Game)，有k堆各n个石子，两个人轮流从某一堆取任意多的物品，规定每次至少取一个，多者不限。取走最后石子的人获胜。
3.威佐夫博奕(Wythoff Game)，有2堆各n个石子，两个人轮流从某一堆或同时从两堆中取同样多的物品，规定每次至少取1个，多者不限。取走最后石子的人获胜。
解析：平衡状态，又称作奇异局势。当面对这个局势时则会失败。任意非平衡态经过一次操作可以变为平衡态。每个玩家都会努力使自己抓完石子之后的局势为平衡，将这个平衡局势留给对方。因此，玩家A能够在初始为非平衡的游戏中取胜，玩家B能够在初始为平衡的游戏中取胜。
玩法一：
显然，如果n=m+1，那么由于一次最多只能取m个，所以，无论先取者拿走多少个，后取者都能够一次拿走剩余的物品，后者取胜。因此我们发现了如何取胜的法则：如果n=（m+1）r+s，（r为任意自然数，s≤m),那么先取者要拿走s个物品，如果后取者拿走k（≤m)个，那么先取者再拿走m+1-k个，结果剩下（m+1）（r-1）个，以后保持这样的取法，那么先取者肯定获胜。总之，要保持给对手留下（m+1）的倍数，就能最后获胜。
即，若n=k*(m+1)，则后取者胜，反之，存在先取者获胜的取法。n%(m+1)=0. 先取者必败
奇异局势是n=(m+1)*i，玩家的策略是若当前的石子个数为(m+1)*i+s，那么就将s个石子取走，使其达到奇异局势。
玩法二：
https://blog.csdn.net/petersmart123/article/details/69058910
分析
A先拿，拿走13个里的一个, 然后B拿1个，A就拿同堆的3个，B拿2个，A就拿同堆的2个，B拿3个，A就拿同堆的1个

17 编程题
小易有一些彩色的砖块。每种颜色由一个大写字母表示。各个颜色砖块看起来都完全一样。现在有一个给定的字符串s,s中每个字符代表小易的某个砖块的颜色。小易想把他所有的砖块排成一行。如果最多存在一对不同颜色的相邻砖块,那么这行砖块就很漂亮的。请你帮助小易计算有多少种方式将他所有砖块排成漂亮的一行。(如果两种方式所对应的砖块颜色序列是相同的,那么认为这两种方式是一样的。)
例如: s = “ABAB”,那么小易有六种排列的结果:
“AABB”,“ABAB”,“ABBA”,“BAAB”,“BABA”,“BBAA”
其中只有"AABB"和"BBAA"满足最多只有一对不同颜色的相邻砖块。
笔记全排列问题 剑指offer
18.编程题
小易为了向他的父母表现他已经长大独立了,他决定搬出去自己居住一段时间。一个人生活增加了许多花费: 小易每天必须吃一个水果并且需要每天支付x元的房屋租金。当前小易手中已经有f个水果和d元钱,小易也能去商店购买一些水果,商店每个水果售卖p元。小易为了表现他独立生活的能力,希望能独立生活的时间越长越好,小易希望你来帮他计算一下他最多能独立生活多少天。