1+X商务数据分析模拟练习题及答案.docxVIP

1+X商务数据分析模拟练习题及答案

一、模拟练习题

题目1：数据清洗与预处理（20分）

某母婴电商平台2023年1-12月用户消费数据（数据文件：maternal_sales.csv）包含以下字段：用户ID（user_id）、年龄（age）、性别（gender，1=男，2=女）、地域（region，1=华东，2=华南，3=华北，4=西南）、下单时间（order_time）、商品类别（category，1=奶粉，2=尿布，3=玩具，4=童装）、客单价（price，元）、购买次数（purchase_times）、优惠券金额（coupon，元）、是否参与促销（promotion，0=否，1=是）。

给定数据中存在以下问题，请完成数据清洗与预处理：

（1）age字段有15条记录为“-”（缺失值），且存在3条记录年龄为“6”和“65”（超出合理范围，母婴用户年龄通常为20-45岁）；

（2）price字段有20条记录为“0”（可能为测试订单），5条记录为“10000”（远高于日常客单价，平台历史客单价均值为320元，标准差为80元）；

（3）category字段有8条记录为“5”（无对应类别）；

（4）promotion字段有10条记录为“NULL”（缺失值）。

要求：给出具体清洗步骤及Python代码（使用pandas库），并说明处理逻辑。

题目2：描述性统计分析（25分）

基于清洗后的数据，完成以下分析：

（1）计算用户年龄的均值、中位数、众数，绘制年龄分布直方图（分组间隔5岁），并描述年龄分布特征；

（2）统计不同商品类别的销售额占比（销售额=客单价×购买次数），并绘制饼图展示；

（3）计算参与促销与未参与促销用户的客单价均值差异（t检验，α=0.05），并解释结果；

（4）统计各月订单量（1-12月），绘制折线图展示月度趋势，并分析可能的原因。

题目3：可视化与相关性分析（25分）

（1）使用热力图展示以下变量的相关性：age、price、purchase_times、coupon；

（2）绘制地域（region）与商品类别（category）的交叉条形图（x轴为地域，分面展示各商品类别销量），并分析地域消费偏好；

（3）绘制优惠券金额（coupon）与客单价（price）的散点图，添加拟合线，说明两者关系；

（4）基于下单时间（order_time）提取“小时”字段（如10:30:00提取为10），绘制小时订单量的柱状图，总结用户下单的时间规律。

题目4：预测模型构建（30分）

以“销售额”（因变量，销售额=客单价×购买次数）为目标变量，选择以下自变量：age、coupon、purchase_times、promotion（虚拟变量）、region（虚拟变量）。要求：

（1）说明自变量筛选的逻辑（如多重共线性检验）；

（2）构建线性回归模型，输出回归方程、R2值、显著性检验结果；

（3）使用2023年1-11月数据训练模型，12月数据验证，计算MAE（平均绝对误差）和RMSE（均方根误差）；

（4）基于模型结果，提出提升销售额的3条业务建议。

二、模拟练习题答案

题目1答案：数据清洗与预处理

处理步骤及逻辑：

1.处理age字段缺失值与异常值：

-缺失值：15条“-”记录，因缺失比例低（假设总数据量1000条），直接删除缺失行。

-异常值：年龄6岁（未成年人）和65岁（超出目标用户范围），标记为异常。根据业务经验，用年龄均值（20-45岁）填充或删除。此处选择删除（因异常值仅3条）。

2.处理price字段异常值：

-0元订单：可能为测试或赠品，无实际销售意义，删除20条记录。

-10000元订单：计算Z-score=（10000-320）/80≈121，远大于3σ原则（Z3），判定为异常值，删除5条记录。

3.处理category字段错误值：

-类别“5”无对应定义，视为错误数据，删除8条记录（或根据业务补充定义，此处无信息，故删除）。

4.处理promotion字段缺失值：

-10条“NULL”记录，缺失比例低，删除或用众数填充（此处promotion为0/1二分类，众数为0，填充为0）。

Python代码示例：

```python

importpandasaspd

importnumpyasnp

读取数据

df=pd.read_csv(maternal_sales.csv)

处理age字段

df[age]=pd.to_numeric(df[age]