一、Numpy核心面试题

1. 数组创建与索引

题目：创建一个3x3矩阵，元素为1-9，并提取第二列

import numpy as np
arr = np.arange(1,10).reshape(3,3)
col_2 = arr[:, 1]  # 逗号前为行索引，后为列索引

考点：reshape方法、切片操作

2. 广播机制应用

题目：将数组每个元素减去列平均值

col_mean = arr.mean(axis=0)
result = arr - col_mean  # 广播自动对齐维度

陷阱：维度不匹配时触发ValueError

---

二、Pandas数据处理篇

3. DataFrame的创建与合并

题目：合并两个包含相同列名的DataFrame

df1 = pd.DataFrame({'A': [1,2], 'B': [3,4]})
df2 = pd.DataFrame({'A': [5,6], 'B': [7,8]})
combined = pd.concat([df1, df2], axis=0)  # 纵向堆叠

对比：merge用于关联不同列，concat用于简单拼接

4. 缺失值处理技巧

题目：用分组平均值填充缺失值

df['Age'] = df.groupby('Department')['Age'].transform(lambda x: x.fillna(x.mean()))

注意：transform返回与原数据相同形状的结果

---

三、进阶操作与性能优化

5. 向量化操作 vs for循环

题目：计算两列数值的欧氏距离

# 高效写法（向量化）
df['distance'] = np.sqrt((df['x1']-df['x2'])**2 + (df['y1']-df['y2'])**2)

# 低效写法（避免使用！）
for i in range(len(df)):
    df.loc[i,'distance'] = math.sqrt((df.loc[i,'x1'] - df.loc[i,'x2'])**2 + ...)

原理：Numpy底层用C实现，比Python循环快百倍

6. 大数据集处理优化

技巧：

• 读取时指定数据类型：dtype={'age': 'int8'}

• 使用category类型处理低基数文本列

• 分块读取：chunksize=10000

---

四、实战场景应用

7. 时间序列重采样

题目：将日频数据转为周平均

df.set_index('date', inplace=True)
weekly_mean = df.resample('W').mean()

扩展：M(月)、Q(季)、A(年)

8. 分组TopN计算

题目：找出每个部门薪资前3的员工

df.groupby('dept').apply(lambda x: x.nlargest(3, 'salary'))

替代方案：sort_values + head组合

---

五、高频易错题解析

9. 为什么用loc/iloc而不用直接索引？

错误示例：

df[df.A > 5]['B'] = 10  # 可能触发SettingWithCopyWarning

正确写法：

df.loc[df.A > 5, 'B'] = 10

原理：链式索引会导致视图与副本混淆

10. 内存优化技巧

诊断方法：

df.info(memory_usage='deep')  # 查看内存占用
df.memory_usage(deep=True).sum() 

优化手段：降级数值类型、使用稀疏矩阵

---

六、面试真题模拟

11. 电商用户行为分析（真题改编）

需求：

• 从点击日志中统计每小时UV

• 找出购买转化率最高的广告渠道

解题思路：

1. 时间字段转换：pd.to_datetime(df['timestamp']).dt.hour

2. 使用pivot_table统计渠道转化率

12. 销售数据异常检测

技术方案：

• 计算Z-score：(df - df.mean())/df.std()

• 标记超过3σ的异常点

---

七、备考资源推荐

1. 官方文档：

   • Pandas用户指南

   • Numpy快速入门

2. 练手数据集：

   • Kaggle泰坦尼克生存预测

   • UCI机器学习仓库

3. 面试加分项：

   • 掌握pd.eval()表达式优化

   • 了解Dask处理超大数据集

面试技巧：遇到复杂问题时先口述解题思路，再写代码！

本文通过「基础知识+高频考点+真题解析」的三段式结构，帮助读者建立完整的知识体系。建议：

1. 在Jupyter Notebook中复现所有代码

2. 针对薄弱点使用LeetCode进行专项练习

3. 积累至少2个完整数据分析项目经验