数据分析面试题集锦(二)

教育   2024-12-17 16:03   黑龙江  

Excel篇

1、Excel如何提取指定字符内容

分别提取货号和销售单编号里的字母和数字

提取货号字母
=LEFT(C2,3)

提取货号数字

=RIGHT(C2,4)

提取单号字母

=LEFT(D2,FIND("-",D2)-1)
提取单号数字
=MID(D2,FIND("-",D2)+1,100)

2、Excel如何数据逆透视

将横向数据转为纵向数据,选择横向单元格区域,点击数据选项卡,点击获取与转换中的从表格,点击创建表。

在主页中单击将第一行用作标题。

按住Ctrl键选中不需要逆透视的列,在转化选项卡下点击逆透视其他列。

如框选的部分,数据完成逆透视,在主页选项卡下点击关闭并上载功能,将数据加载至sheet表中。

3、Excel数据如何分组合并

数据分组后合并,选择单元格数据区域,点击数据选项卡,点击获取与转换中的从表格,点击创建表。

选择转换选项卡分组依据,分组类别为产品类别,柱为产品名称,操作为求和,点击确定。

将阴影选中的公式部分List.Sum替换为Text.Combine。

如框选的部分,数据完成分组合并,在主页选项卡下点击关闭并上载功能,将数据加载至sheet表中。

SQL篇

1、SQL的执行顺序

大多数编程语言代码都是按编码顺序执行的,但是在SQL语言中,第一个被执行的语句是FROM子句,每个步骤都会产生一个虚拟表,该虚拟表被用作下一个步骤的输入,如下的顺序即SQL的执行顺序。

(8)SELECT (9)DISTINCT  (11)<Top Num> <select list>(1)FROM [left_table](3)<join_type> JOIN <right_table>(2)ON <join_condition>(4)WHERE <where_condition>(5)GROUP BY <group_by_list>(6)WITH <CUBE | RollUP>(7)HAVING <having_condition>(10)ORDER BY <order_by_list>

2、计算用户的平均次日留存率

使用date_add计算一天后的日期,使用distinct device_id,date计算得出设备ID和答题日期,再计算第二天,再通过左连接,将构造的第二天和实际答题表对接,连接条件为设备ID相同,构造的第二天和真实的答题日期相同,因为是左连接,所以右侧没有符合条件的会是空值,最后就是count计算。
select count(t3.device_id)/count(t2.device_id) as avg_retfrom (select t1.*,date_add(t1.date,interval 1 day) as diertianfrom (select distinct device_id,date from question_practice_detail ) as t1) as t2 left join (select distinct device_id,date from question_practice_detail)as t3 on t2.device_id=t3.device_id and t2.diertian=t3.date;

Python篇

1、批量合并同一文件夹不同工作簿数据

第一个方法,使用OS库遍历出文件夹中的各个工作簿名称,df导入第一个工作簿,dfi循环导入其他工作簿,最后使用concat函数进行两个列表合并。
import pandas as pdimport os
path=r'C:\Users\尚天强\Desktop\测试'listdir=os.listdir(path)df=pd.read_excel(path+'\\'+ listdir[0])#导入第一个数据表
for filename in listdir[1:]: dfi=pd.read_excel(path+'\\'+ filename) #导入除第一个数据表外其他数据表 df=pd.concat([df,dfi]) #数据纵向合并
df.to_excel(path+'\\'+'数据合并.xlsx',index=False)
第二个方法,建立一个空的列表[],df跳过表头循环导入数据,将循环导入的数据使用extend函数合并值空的列表dfs中,最后用concat函数列表合并。
import pandas as pdimport os
dfs = []
read_path=r'C:\Users\尚天强\Desktop\测试数据'save_path=r'C:\Users\尚天强\Desktop'save_name='out_table.xlsx'
for fname in os.listdir(read_path): if fname.endswith(".xlsx") and fname !=save_name: df = pd.read_excel(read_path+"\\"+fname,skiprows=1,header=None,sheet_name=None) #names=['序列','日期','销量'] dfs.extend(df.values())#合并result = pd.concat(dfs)
#导出数据result.to_excel(save_path+"\\"+save_name,index=False,header=['id','number','sale'])

2、批量合并不同工作簿不同sheet表数据

该方法首先建一个空的表格,使用openpyxl库,循环导入不同工作簿,不同sheet表,不同行的数据,然后进行合并。

from openpyxl import Workbook,load_workbookimport os
def concat_data(file_path,save_path): files_name=os.listdir(file_path) #创建新表格 new_wb=Workbook() new_ws=new_wb.active header=['销售日期', '员工工号', '销售员', '货号', '销售单编号', '销量', '销售额'] new_ws.append(header) #向新的表格写入数据 for file_name in files_name: wb=load_workbook(file_path+"\\"+file_name) for sheet in wb.sheetnames: ws=wb[sheet] for row in ws.iter_rows(min_row=2,values_only=True): new_ws.append(row) #数据保存    new_wb.save(save_path+"\\"+"数据合并.xlsx")concat_data(r"C:\Users\尚天强\Desktop\2017年销售明细",r"C:\Users\尚天强\Desktop")

3、Python批量数据拆分

如果将汇总的数据表按照某个品牌或者企业进行批量拆分,首先使用unique函数将需要拆分的字段去重,然后使用df.loc函数循环筛选,最后数据导出。

import pandas as pddf=pd.read_excel(r'C:\Users\尚天强\Desktop\数据批量拆分.xlsx')city=df['城市'].unique().tolist()
for i in city:    df1=df.loc[df['城市']==i] df1.to_excel(r'C:\Users\尚天强\Desktop'+'\\'+ i + '.xlsx',index=False)

4、Python计算当前时间进度

计算当前的时间进度,定义一个字典,月份键对应着天数值,使用datetime函数计算求得。

import datetime#时间进度dic = {"1月": 31, "2月": 28, "3月": 31, "4月": 30, "5月": 31, "6月": 30, "7月": 31, "8月": 31, "9月": 30, "10月": 31,"11月": 30, "12月": 31}for i in range(12):    if datetime.datetime.now().month == i + 1:        timing = round((datetime.datetime.now().day / dic["{}月".format(i + 1)]) ,2)        print('当前本月时间进度为:{:.0%}'.format(timing))

当前本月时间进度为:35%

5、Python计算数据环比

计算数据的环比,这里首先使用numpy构建一组随机数,然后使用pct_change函数计算环比,最后apply结合lambda函数自定义数据格式为保留两位小数的百分数格式。
import pandas as pdimport numpy as npdf=pd.DataFrame(data=np.random.randint(100, 500, (7, 1)),                index=pd.date_range('2021/12/01',periods=7),                columns=['销量'])
df['环比']=df['销量'].pct_change().apply(lambda x:format(x,'.2%'))df


- END -


职业规划解决方案

开启职业新征程

职业规划帮你掌握人生航向

了解自己的优势,找到适合自己的岗位!

人生不只有一条路,

职业规划帮你发现更多可能性!

赶快来了解一下吧

👇👇👇


扫码添加即可抢占名额

仅需9.9元

让爱数据助力你的职场生涯


想要获取更多精彩的内容和个性化的功能吗?
快来点击菜单栏,开启新的体验吧!


如果您认为我们的公众号内容对您有帮助,请分享给您的朋友们,

并把它设为星标
⭐,方便您随时查看。


爱数据LoveData
国内领先数据分析社区,专注数据分析知识分享及求职辅导。爱数据作为一线数据厂商(帆软、观远、永洪等)培训合作伙伴,曾联合阿里、美团、滴滴等一线公司开展数据领域专题分享会。积累10年+行业经验,链接千人数据分析高端人脉,累计服务15w+用户。
 最新文章