AI-Agent 面试题汇总 - Python数据分析篇

1. Python 数据分析常用库有哪些？各自作用是什么？

• NumPy：高性能数值计算、矩阵运算
• pandas：表格数据处理（DataFrame）
• matplotlib / seaborn：可视化
• scikit-learn：特征工程与机器学习工具
• scipy：科学计算与统计函数

2. 什么是 Series 和 DataFrame？

• Series：一维带索引数组
• DataFrame：二维表格结构（行列索引），是分析工作主力数据结构。

3. 如何将字典创建为 DataFrame？（宝典同类高频）

import pandas as pd

data = {"name": ["Tom", "Bob"], "score": [88, 92]}
df = pd.DataFrame(data)
print(df)

4. 如何查看 DataFrame 的基本信息？

df.head()
df.tail()
df.shape
df.info()
df.describe()

5. 如何输出 df 的所有列名？

print(df.columns)
# 或
print(df.columns.tolist())

6. 如何修改第二列列名为 popularity？

cols = df.columns.tolist()
cols[1] = "popularity"
df.columns = cols

7. 如何筛选包含 "Python" 的行？

result = df[df["content"].str.contains("Python", na=False)]

8. 如何统计 grammar 列每种语言出现次数？

df["grammar"].value_counts()

9. loc 和 iloc 的区别是什么？

• loc：按标签取值
• iloc：按位置下标取值

10. 如何新增一列并按条件赋值？

df["level"] = "low"
df.loc[df["score"] >= 90, "level"] = "high"

11. apply、map、applymap 区别？

• map：Series 元素级映射
• apply：按行/列应用函数
• applymap：DataFrame 每个元素应用函数（新版常建议用 map/向量化替代）

12. 什么是向量化操作？为什么重要？

向量化是直接对整列/数组运算，避免 Python for 循环，速度更快、代码更简洁。

13. 如何处理缺失值（NaN）？

df.isna().sum()
df.dropna()
df.fillna(0)
df["age"] = df["age"].fillna(df["age"].median())

14. 缺失值填充常见策略有哪些？

• 数值：均值/中位数/分组统计填充
• 类别：众数/“unknown”
• 时间序列：前向填充、后向填充

15. 如何删除重复值？

df.drop_duplicates()
df.drop_duplicates(subset=["user_id"], keep="last")

16. groupby 的核心作用是什么？

按某些维度分组后做聚合（sum/mean/count 等），是业务报表与指标分析核心能力。

17. groupby 常见聚合怎么写？

df.groupby("channel")["amount"].sum()
df.groupby("channel").agg({"amount": ["sum", "mean"], "user_id": "nunique"})

18. pivot_table 和 groupby 的区别？

pivot_table 更适合做透视分析（行列交叉汇总），groupby 更通用灵活。

19. merge / join / concat 的区别？

• merge：按键值做数据库式关联
• join：基于索引关联（DataFrame 方法）
• concat：按行或列拼接

20. 常见 join 类型有哪些？

inner / left / right / outer，和 SQL 语义一致。

21. 如何把字符串日期转 datetime？

df["dt"] = pd.to_datetime(df["dt"], errors="coerce")

22. 时间序列分析常用操作有哪些？

• 按天/周/月聚合
• 滚动窗口（rolling）
• 重采样（resample）
• 同比/环比计算

23. 如何按月统计销售额？

df["dt"] = pd.to_datetime(df["dt"])
monthly = df.resample("M", on="dt")["amount"].sum()

24. 什么是异常值？常见检测方法？

异常值是明显偏离分布的数据点。常见方法：IQR（箱线图法）、Z-Score、业务阈值法。

25. 如何用 IQR 去除异常值？

q1 = df["x"].quantile(0.25)
q3 = df["x"].quantile(0.75)
iqr = q3 - q1
df2 = df[(df["x"] >= q1 - 1.5*iqr) & (df["x"] <= q3 + 1.5*iqr)]

26. 标准化和归一化有什么区别？

• 标准化：变成均值0方差1
• 归一化：缩放到固定区间（如 0~1）

27. fit、transform、fit_transform 区别是什么？

• fit：在训练集上学习参数（如均值、方差）
• transform：用已学参数转换数据
• fit_transform：两者合并（通常用于训练集）

28. 为什么必须先划分训练集再做标准化？

避免数据泄漏。应在训练集 fit，对训练/验证/测试集分别 transform。

29. 如何做 one-hot 编码？

pd.get_dummies(df, columns=["city"], drop_first=True)

30. LabelEncoder 和 One-Hot 的适用场景？

• LabelEncoder：通常用于标签 y（分类目标）
• One-Hot：用于无序类别特征 X

31. 如何处理类别不平衡？

常见：下采样、上采样、SMOTE、调类权重、改评估指标（AUC/F1/PR）。

32. 训练/验证/测试集如何划分？

常见 7:2:1 或 8:1:1；小样本常用交叉验证增强稳定性。

33. K 折交叉验证的作用是什么？

降低单次划分偶然性，让模型评估更稳健。

34. 分类任务常用评估指标有哪些？

Accuracy、Precision、Recall、F1、ROC-AUC、PR-AUC。样本不平衡时更关注 Recall/F1/PR-AUC。

35. 回归任务常用评估指标有哪些？

MAE、MSE、RMSE、R²。对异常值敏感性：MSE/RMSE 通常更敏感。

36. 什么是数据泄漏？举例说明

训练时使用了线上不可得信息或未来信息。例如用“是否退款结果”预测“是否会退款”，就属于标签泄漏。

37. EDA（探索性数据分析）一般做什么？

看分布、缺失、异常、相关性、分组表现、时间趋势，提出可验证假设。

38. AI-Agent 场景下常见分析任务有哪些？

• 会话日志分析（转化、留存、失败原因）
• Prompt 版本效果对比（A/B）
• 工具调用成功率与延迟分析
• 用户反馈与满意度分层分析

39. 如何分析“Agent 回复质量下降”？

常见思路：先按时间/版本切片 → 看输入分布变化 → 看工具调用链路（超时/失败）→ 看模型参数与提示词改动 → 回归实验确认根因。