以下是为您整理的探索性数据分析（EDA）题库，包含选择题、简答题与应用题，共约800字，适用于数据分析学习与考核：
一、选择题（每题2分，共10分）
1. EDA的核心目标是：
A. 建立预测模型
B. 发现数据模式与异常
C. 优化算法参数
D. 设计数据采集工具
答案：B
2. 以下哪种图表最适合展示变量分布？
A. 折线图
B. 箱线图
C. 散点图
D. 饼图
答案：B
3. 缺失值处理的常用方法不包括：
A. 删除含缺失值的行
B. 均值填充
C. 随机森林插补
D. 保留缺失值不处理
答案：D
4. 皮尔逊相关系数衡量的是：
A. 分类变量相关性
B. 连续变量线性相关性
C. 数据分布偏度
D. 异常值比例
答案：B
5. 关于离群值，错误的是：
A. 可通过箱线图识别
B. 必须删除
C. 可能反映特殊事件
D. Z-score法可用于检测
答案：B
二、简答题（每题10分，共30分）
1. 简述EDA的四个关键步骤。
答案：
① 数据清洗（处理缺失值、异常值）；
② 单变量分析（分布、统计量）；
③ 多变量分析（相关性、交叉验证）；
④ 可视化（图表揭示潜在模式）。
2. 如何通过直方图与Q-Q图判断数据正态性？
答案：
直方图呈钟形曲线且Q-Q图数据点贴近对角线，则接近正态分布；若出现明显偏离或尾部翘起，则非正态。
3. 列举三种数据标准化方法并说明适用场景。
答案：
– Min-Max标准化（归一化）：适用于要求数据在固定区间（如0-1）；
– Z-score标准化：适用于数据存在高斯分布特征；
– 对数变换：适用于右偏分布数据。
三、应用题（共60分）
题目1：某电商销售数据集（含“销售额”“用户年龄”“地区”等字段）
任务：
1. 列出需检查的数据质量问题（如缺失值、重复值）及处理方法。（10分）
2. 分析“销售额”与“用户年龄”的相关性，选择合适可视化方法并解释。（15分）
3. 发现“销售额”存在右偏分布，提出两种修正策略。（5分）
参考答案：
1. 检查缺失值（用均值/中位数填充）、重复值（去重）、异常值（IQR法过滤）。
2. 绘制散点图或计算相关系数；若呈线性趋势则相关性强。
3. 对数变换或分箱处理降低偏度。
题目2：医疗数据集分析
背景：某医院记录患者“血压”“血糖”“是否患病”等数据。
要求：
1. 设计EDA流程，明确分析目标。（10分）
2. 针对“是否患病”字段，选择合适的图表展示类别分布。（10分）
3. 若发现“血糖”与“血压”相关系数为0.08，如何解读？（10分）
参考答案：
1. 目标：探索患病与生理指标的关系；流程：数据清洗→单变量统计→多变量交叉分析→可视化。
2. 使用条形图或饼图展示患病比例。
3. 低相关性表明两者无显著线性关系，需结合其他变量深入分析。
四、综合讨论（附加题，20分）
问题：在EDA中发现某变量与目标变量相关性弱，但业务专家认为其重要，如何协调数据分析结果与业务经验？
参考答案：
① 检查非线性关系（如使用散点图或多项式回归）；
② 考虑变量交互效应或分群分析；
③ 结合领域知识设计衍生变量（如比率、时段特征）。
说明：本题库覆盖EDA核心知识点，可根据实际需求调整难度与题量。建议结合真实数据集练习，强化分析能力。