AI-Agent 面试题汇总 - Python数据分析篇(二)

1-什么是 DataFrame？

DataFrame 是 pandas 的二维表结构，带有行索引和列索引，每列可以是不同数据类型，适合做结构化数据分析。

2-什么是索引（index）？有什么作用？

索引是行标签，用于数据定位、切片、对齐和快速检索；时间序列分析中常把日期设为索引。

3-如何查看每列的数据类型？

df.dtypes

4-如何查看每列缺失值数量？

df.isna().sum()

5-如何判断数据中是否存在缺失值？

df.isna().values.any()

6-如何提取 createTime 为空的行？

df[df["createTime"].isna()]

7-如何删除所有存在缺失值的行？

df.dropna()

8-如何将 salary 列转换为浮点数？

df["salary"] = df["salary"].astype(float)

9-如何计算 salary 最大值与最小值之差？

df["salary"].max() - df["salary"].min()

10-如何查看每种学历出现次数？

df["education"].value_counts()

11-如何统计 education 列共有几种学历？

df["education"].nunique()

12-如何计算 salary > 10000 的数量？

(df["salary"] > 10000).sum()

13-如何提取 salary 与 new 之和大于 60000 的最后 3 行？

df[(df["salary"] + df["new"]) > 60000].tail(3)

14-如何将 createTime 列设置为索引？

df = df.set_index("createTime")

15-如何重置索引为默认整数索引？

df = df.reset_index(drop=True)

16-如何生成与 df 长度相同的随机数 DataFrame？

import numpy as np
import pandas as pd
rand_df = pd.DataFrame(np.random.rand(len(df), 1), columns=["rand"])

17-如何将随机数 DataFrame 与 df 横向合并？

df2 = pd.concat([df, rand_df], axis=1)

18-如何新增列 new = salary - rand？

df2["new"] = df2["salary"] - df2["rand"]

19-如何将第一行与最后一行拼接？

pd.concat([df.head(1), df.tail(1)], axis=0)

20-如何将第 8 行添加到末尾？

df = pd.concat([df, df.iloc[[7]]], ignore_index=True)

21-如何绘制收盘价折线图（close）？

import matplotlib.pyplot as plt
df["close"].plot()
plt.show()

22-如何同时绘制开盘价与收盘价？

df[["open", "close"]].plot()
plt.show()

23-如何绘制涨跌幅直方图（pctChg）？

df["pctChg"].hist(bins=20)
plt.show()

24-如何让直方图更细致？

增大 bins 数量。

df["pctChg"].hist(bins=50)
plt.show()

25-如何绘制换手率密度曲线（turn）？

df["turn"].plot(kind="kde")
plt.show()

26-如何计算前一天与后一天收盘价差值？

df["close_diff"] = df["close"].diff()

27-如何计算前一天与后一天收盘价变化率？

df["close_pct"] = df["close"].pct_change()

28-如何按周重采样并取收盘价最大值？

df["date"] = pd.to_datetime(df["date"])
df = df.set_index("date")
weekly_max = df["close"].resample("W").max()

29-如何计算收盘价 5 日均线与 5 日滚动和？

df["ma5"] = df["close"].rolling(5).mean()
df["sum5"] = df["close"].rolling(5).sum()

30-如何将收盘价向后移动5天、向前移动5天？

df["close_lag5"] = df["close"].shift(5)     # 滞后5天
df["close_lead5"] = df["close"].shift(-5)   # 超前5天