数据分析真题日刷 | 网易2018校招数据分析师笔试卷

• 今日真题
  网易2018校招数据分析师笔试卷（来源：牛客网）
• 题型
  客观题：单选20道
  主观题：问答1道,编程2道
• 完成时间
  120分钟
• 牛客网评估难度系数
  3颗星

❤️ 「更多数据分析真题」

《数据分析真题日刷 | 目录索引》

1. 已知存在以下表
S 表保存着学生关系，有两列，其中SNO 为学号，SNAME 为姓名
C 表保存着课程关系，有三列，其中CNO 为课程号，CNAME 为课程名，CTEACHER 为老师
SC表保存着选课关系，有三列，其中SNO为学号，CNO为课程号，SCORE 为成绩
找出没有选“小易”老师课程的所有学生姓名
列出有三门（包括三门）以上课程分数>90的学生姓名及其平均成绩

「参考答案」

• 找出没有选“小易”老师课程的所有学生姓名

SELECT Sname 
FROM S
WHERE S.Sno NOT IN 
	( SELECT DISTINCT(S.Sno) 
	FROM S, SC, C
    WHERE S.Sno = SC.Sno AND C.Cno = SC.Cno AND C.Cteacher = '小易');

• 列出有三门（包括三门）以上课程分数>90的学生姓名及其平均成绩

-- 方法1

SELECT S.SNAME,AVG(SC.SCORE) 
FROM S INNER JOIN SC ON S.SNO=SC.SNO
GROUP BY S.SNAME 
HAVING SUM(CASE WHEN SC.SCORE > 90 THEN 1 ELSE 0 END) >= 3;

-- 方法2

SELECT SNAME, AVG(SCORE) AS avg_score
FROM S INNER JOIN SC ON S.SNO = SC.SNO
GROUP BY S.SNAME
HAVING COUNT(SC.SCORE>90 or NULL) >= 3;

感谢评论指出我原本答案的错漏之处，方法2是对原本错误代码的修正版本。

为了便于大家更仔细的了解COUNT（）的用法，以下是原错误代码进行对比：

-- 原本的错误代码

SELECT SNAME, AVG(SCORE) AS avg_score
FROM S, C, SC
WHERE S.SNO = SC.SNO AND C.CNO = SC.CNO 
GROUP BY S.SNAME
HAVING COUNT(SC.SCORE>90) >=3  -- 错误之处就在于COUNT()内的条件判断

COUNT（）对所有非NULL进行计数。SC.Score>90时，为True，不再执行or之后的语句，True不为NULL，则计数。SC.Score<90>90 or NULL) ，SC.Score<90时，为False，则会继续执行or之后的语句，此时整个括号里的结果为NULL，此时不会被计数了。详细参考：https://blog.csdn.net/qq_32719287/article/details/79513164 。

2. 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？

A. 让A先取
B. 让B先取
C. 没有策略能够让A必胜
D. 说法都不正确

正确答案：A

「题目解析」

「每个人只能从一堆选走1个或2个或3个宝石」，所以无论对方怎么拿，另一个人总能拿出4的倍数个。比如，对方拿1个，则我拿3；对方2，我拿2；对方3，我拿1。我总是可以保证，我是最后全部去完4的倍数个的人。当宝石数目为4的倍数，这种情况下，后拿的获胜。

现在有12+13=25个宝石。因此A先拿走1个，剩下24个宝石。对于剩下的24个宝石，B是先拿者，A是后拿者。所以可以保证A获胜。

• 举一反三
  本题是《网易2018校园招聘数据分析工程师笔试卷》第14题的变形。

3. 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？

A. 2380
B. 816
C. 330
D. 1220

正确答案：A

「题目解析」
可以转化题目为，将4个数字插入到16个数字的17个空格中，有多少种插入方法？
C(17,4) = 2380

4. 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?

A. 9/16
B. 16/125
C. 16/25
D. 9/25

正确答案：B

「题目解析」
分母 ： 4个不一样的球随即放入5个被子总共有 5 * 5 * 5 * 5 中放法
分子 ： 「杯子中球的最大个数为3」，则C(4,1)选出一个球，单独放在5个杯子中任意一个，剩下3个球作为整体，放在剩下的4个杯子中的一个。即，C(4,1) * 5 * 4

5. 下面程序的功能是输出数组的全排列,选择正确的选项,完成其功能。

void perm(int list[], int k, int m)
{
    if (    )
    {
        copy(list,list+m,ostream_iterator(cout," "));
        cout<

A. k!=m 和 perm（list，k+1，m）
B. k==m 和 perm（list，k+1，m）
C. k!=m 和 perm（list，k，m）
D. k==m 和 perm（list，k，m）

正确答案：B

「民间解析」

if是递归的终止判断条件，刚开始输入的时候k应该为0，m应该为数组中的元素个数；所以当k==m时，表示全排列的全部情况都已经找出。
第一个swap是依次将第k个元素和k~m个元素交换，交换完后进入递归，再全排列其子数组。
递归调用，之所以从k+1开始，是因为如果传入的是k的话，递归传进去的参数不变，递归将永无止境的递归下去，因为k永远不会等于m
第二个swap是将该层交换完后的数组再还原，目的是为了使递归返回后不改变上一层的数组元素顺序，方便下一次交换。
来源：http://s3.nowcoder.com/questionTerminal/af099970cfcc44cfa8e43348f600a017
作者：chinawjb

6.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________。

A. 0
B. 2
C. 4
D. 6

正确答案：D

?附加“虚段”的归并树

（来源：http://data.biancheng.net/view/79.html）

「题目解析」
已知 m = 33， k = 7，根据公式
k - (m-1) MOD (k-1) -1 = 7 - (32)MOD(6) -1 = 7- 2 -1 = 4。

7. 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________。

A. 插入排序
B. 选择排序
C. 快速排序
D. 堆排序

正确答案：A

「民间解析」

• 插入排序：第一趟前两个有序，第二趟前三个有序。
• 快速排序：每经过一趟快排，轴点元素都必然就位，也就是说，一趟下来至少有1个元素在其最终位置，2趟就有两个位置元素就位。
  来源：https://www.nowcoder.com/test/question/done?tid=24933835&qid=167735#summary
  作者：阿蔡蔡

8. 在数理统计中， 一般通过增加抽样次数取平均来使得预估误差减小， 在机器学习中也有类似的模型处理， 如随机森林， 通过引入随机样本并且增加决策树的数据，对于随机森林主要降低预估的哪个方面值

A. 预估偏差
B. 预估方差
C. 噪音
D. 全部

正确答案：B

「民间解析」

增加数据是降低由数据的不稳定性所带来的方差，增加模型复杂度是降低偏差，另外噪音是无法避免的
来源：https://www.nowcoder.com/test/question/done?tid=24933835&qid=167736#summary
作者：全面发展的程序员

9. 以下不属于非监督学习的为

A. 关联规则
B. Kmeans
C. Word2vec
D. Knn

正确答案：D

「题目解析」
Knn是分类算法，是有监督的。

• 强烈参考
  《通俗理解word2vec》 https://www.jianshu.com/p/471d9bfbd72f

10. 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

A. sh test.sh &
B. nohup sh test.sh
C. nohup sh test.sh &
D. nohup sh test.sh &&

正确答案：C

「民间解析」

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。
来源：https://www.nowcoder.com/test/question/done?tid=24933835&qid=167738#summary
作者：我佛慈悲

（欢迎评论，补充解析～）

11. 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:

A. grep -o 'suc' logfile | awk '{print $0}'
B. grep 'suc' logfile | awk '{print $0}'
C. grep 'suc' logfile | awk '{print $NF}'
D. grep -o 'suc' logfile | awk '{print $NF}'

正确答案：C
（欢迎评论，补充解析～）

12. 哪个不是DDL(数据库定义语言)语句？

A. ALTER
B. CREATE
C. RENAME
D. GRANT

正确答案：D

?数据库的四种语言
SQL语言共分为四大类：数据查询语言DQL，数据操纵语言DML，数据定义语言DDL，数据控制语言DCL。

1. 数据查询语言DQL
数据查询语言DQL基本结构是由SELECT子句，FROM子句，WHERE
子句组成的查询块：
SELECT <字段名表>
FROM <表或视图名>
WHERE <查询条件>

2. 数据操纵语言DML
1)插入：INSERT
2)更新：UPDATE
3)删除：DELETE
3. 数据定义语言DDL
数据定义语言DDL用来创建数据库中的各种对象—–表、视图、索引、同义词、聚簇等如：
  CREATE TABLE/VIEW/INDEX/SYN/CLUSTER(表 视图 索引 同义词 簇)
4. 数据控制语言DCL
数据控制语言DCL用来授予或回收访问数据库的某种特权，并控制数据库操纵事务发生的时间及效果，对数据库实行监视等。如：
  1) GRANT：授权。
  2) REVOKE：撤销授权。
  3) ROLLBACK [WORK] TO [SAVEPOINT]：回退到某一点。
  4) COMMIT [WORK]：提交。
来源：https://blog.csdn.net/sunhuaqiang1/article/details/52880780

• 强烈推荐
  《SQL语言四大类》https://blog.csdn.net/sunhuaqiang1/article/details/52880780

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

A. 索引idx_b(b)
B. 索引idx_b_a(b,a)
C. 索引idx_a_b(a,b)
D. 都可以

正确答案：D

?索引的「最左原则」

• 举一反三
  《京东2019校招数据分析工程师笔试题》第33题。

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

A. ADD TABLE EMP（WANGYI_NO CHAR（10））
B. ADD TABLE EMP ALTER（WANGYI_NO CHAR（10））
C. ALTER TABLE EMP ADD（WANGYI_NO CHAR（10））
D. ALTER TABLE EMP （ADD WANGYI_NO CHAR（10））

正确答案：C

15. 在机器学习任务中经常假设矩阵为n×n的对称矩阵A， 则以下说法正确的是

A. 对称矩阵为满秩矩阵
B. 对称矩阵的列向量之间正交
C. 对应于A的不同特征值的特征向量之间正交
D. 对应于A的相同特征值得特征向量之间正交

正确答案：C

「民间解析」

对称矩阵不一定满秩；不同特征值之间的特征向量一定正交，而同一特征值的特征向量需要借助公式得正交向量
来源：https://www.nowcoder.com/test/question/done?tid=24933835&qid=167743#summary
作者：阿蔡蔡

16. 以下关于python数据结构说法正确的是

A. python中list可以动态的更新， 但是不容许嵌套
B. python中tuple可以动态更新， 但是不容许嵌套
C. python中dict保存键值对， 并且键值对是有序的
D. python中list的元素可以是tuple

正确答案：D

「题目解析」
A.list可以动态更新,也可以进行嵌套；
B.tuple不可以更新，更不可以动态更新，可以嵌套；
C.待解析，欢迎评论～
D.正确。

17. 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

A. 三类交通工具送件量有差别的可能性是0.034
B. 三类交通工具送件量没有差别的可能性是0.034
C. 交通工具对送件量没影响。
D. 按照0.05显著性水平，拒绝H0，说明三类交通工具送件量有显著差异。

正确答案：D

18. 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

A. 40%
B. 50%
C. 5%
D. 3%

正确答案：D

「民间解析」

如果不能当选，意味着在置信区间外，但置信区间外也有可能支持率大于60%（仍当选），
所以不当选（支持率小于50%）的可能性只能是0%-5%以下，不包括5%，否则支持率大于60%的可能性为0。
来源：https://www.nowcoder.com/test/question/done?tid=24933835&qid=167746#summary
作者：cjn201805071412837

19. 以下关于最小二乘法正确的是

A. 最小二乘估计是线性有偏估计中方差最小的
B. 最小二乘估计是线性无偏估计中方差最小的
C. 最小二乘估计是线性有偏估计中方差最大的
D. 最小二乘估计是线性无偏估计中方差最大的

正确答案：B

20. 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。

「思路」

如果有三个不同字符则不满足上述情况，如果有两个字符，则结果只有两种，若只有一个字符，则结果只有一种。所以本题本意为求不同字符的个数。

「我的答案」

def fun(s):
    l = len(set(s))
    if l == 2:
        return 2
    elif l == 1:
        return 1
    else :
        return 0

s = input()
print(fun(s))

21. 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。

「我的答案」

def fun(x, f, d, p):
    if d//x <= f:
        return d//x
    else:
        l = f+(d-x*f)//(x+p)
        return l

x, f, d, p = map(int,input().split())
print(fun(x, f, d, p))

22. 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：

A. 无穷大
B. 0
C. 1
D. 2

正确答案：C

「题目解析」
step 1. 独立同分布，则 E[Xi X(i+1)] = E[Xi] * E[X(i+1)] = 0
step 2. E(Xi ^2) = (EX) ^ 2 + Var(X) = 0 + 1 = 1
step 3. E(原式) = n / n = 1

23. 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？

A. 4/7，1/3
B. 3/7，1/2
C. 4/7，1/2
D. 4/7，2/3

正确答案：C

?支持度、置信度
对于关联规则 A -> B
支持度 = P(AB)
置信度 = P(B | A)