时间：2025/4/17 下午2:45； 面试时长大概20min，没有问SQL相关问题首先是自我介绍，介绍自己的项目Python中最常用的三个库是什么，及功能如何进行数据预处理，重复值，缺失值，异常值怎么处理？数据格式的准换，如文本怎么处理？有没有拿到其他厂的offer为什么不选择做本行业，船舶数据预处理的第一步操作是数据清洗，保留有用的信息，清除没用的信息；数据清洗包括重复值删除，缺失值填充，异常值处理； 对于重复值，直接删除，有助于提升数据的质量和分析效率； 对于缺失值，（NULL, NAN）造成原因是收集过程中的遗漏，系统故障，人为输入错误； 处理：1、对于数据量很大，但是异常值是少数的...

笔试内容：单选20题，编程题3题，测评20题笔试时间：2025/4/19上午10点，时长：2个小时单选题：1、在关系数据库中，"键”用于什么目的？唯一标识关系中的每一行；2、以下分箱方法是有监督的？best-ks，卡方分箱；3、MySQL从5.7版本开始才真正比较完善地支持多主库复制；4、从4部A牌手机和3部B牌手机中任取3部，则这部手机中A、B牌都至少有一部的概率为？5、求概率值6、将离散值拖动到颜色会为每个项目创建不同的颜色，而将连续值拖动到颜色会创建渐变；7、没有共同的两表链接---全外连接；8、求期望值；9、.idmax（）会返回索引值； loc（）：基于标签进行索引的；10...

岗位：数据分析师笔试内容：单选22道，不定项选择3道，编程2道笔试时间：2025/4/10，时长90分钟；单选：1、允许多次从一个字段读取相同的值，描述是Repeatable Read（可重复读）2、属于聚类算法的问题是k-means3、intersect实现交集4、在一个长度为n的顺序表中查找元素，最好情况需要比较1次，最坏情况也需要比较n次5、对每个子图调用legend（）显示图例；ax1.legend(loc='best')；fig.add_subplot（2,2,1）将画布划分为 2 行 2 列的子图布局，ax1 选取第 1 个子图位置（从左到右、从上到下编号）。6、考察函数递归7、在...

岗位：数据研发工程师2025/3/26 简历投递， 2025/4/5笔试；笔试内容：选择15道，编程3道（15*3+15+15+25=100分）；笔试时间：19:00-20:40。选择题：1、计算AUC值2、独热编码原理3、判断一个函数依赖集X是最小函数依赖集的条件4、MapReduce 的配置文件5、在 Python 中，当尝试访问一个对象不存在的属性时，会抛出什么异常 6、HDFS的压缩格式和压缩算法7、贝叶斯公式求解概率8、考察理解哈希函数9、考察写操作的逻辑流程10、考察Hive数据类型描述11、考察Python的字符串索引12、分析二叉树的先序遍历和中序遍历13、考察Python中运...

题目：获取字符串长度。知识点：lenth()获取字符串的字节数量，一个中文字符通常不止占用一个字节 char_lenth() 获取字符数量，不管汉字、字母、数字都算一个字符

题目说明：录题同学有一次手误将部分记录的试题类别tag、难度、时长同时录入到了tag字段，请帮忙找出这些录错了的记录，并拆分后按正确的列类型输出。substring_index(str, delim, count) 有三个参数，如果count是正数，那么就是从左往右数，第n个分隔符的左边的全部内容。如果是负数，那么就是从右边开始数，第n个分隔符右边的所有内容。substring_index(tag, ',', 1) 可以获得左数第一个内容 tag，substring_index(tag, ',', -1) 获得右数第一个 durationsubstring_index(substring_in...

(count(distinct uid, date_format(submit_time, '%y%m%d')))

统计新用户的方法，判断用户最早登陆日期是否等于当前日期，是记为1。sum(if(new_user_time=time,1,0))select time, count(distinct t1.uid)dau, round(sum(if(new_user_time=time,1,0))/count(distinct t1.uid) ,2)from(    select uid, date(in_time) as time from tb_user_log union     select uid, date(out_time) as time from tb_user_log)t1 join(  ...

组合两个表的两列为一列select prod_name from Products union select cust_name as pro_name from Customersorder by prod_name

统计新用户次日留存率select t1.dt, round(count(t2.uid)/count(t1.uid), 2)uv_rate from(    select uid, min(date(in_time))dt from tb_user_log    group by uid)as t1 left join (    select uid, date(in_time)dt from tb_user_log union    select uid, date(out_time) from tb_user_log )as t2on t1.uid = t2.uid and t1.dt = ...

统计每篇文章同一时刻最大在看人数select artical_id, max(uv)max_uv from(    select artical_id, sum(tag)over(partition by artical_id order by time, tag DESC)uv from    (           select artical_id, in_time as time, 1 as tag from tb_user_log union all        select artical_id, out_time as time, -1 as tag from tb_user_...

统计国庆头三天里，每天的近7日日均订单完成量和日均订单取消量代码如下：select * from(       select dt,    round(sum(finish_num)over(order by dt rows 6 preceding)/7,2) as finish_num_7d,    round(sum(cancel_num)over(order by dt rows 6 preceding)/7,2) as cancel_num_7d from    (           select date(order_time)dt,        sum(case when st...