金融大数据处理职业技能等级证书 练习卷

1在金融数据采集环节，从券商接口拉取日行情数据时发现某只股票当日成交量为0但收盘价非0，最合理的处置是

1. A. 将该记录标记为停牌并保留其余字段
2. B. 直接删除该记录避免污染后续分析
3. C. 用前一交易日成交量填充该字段
4. D. 将成交量改为收盘价的十分之一估算

2将多个渠道采集的客户身份证号合并入统一表时，发现部分记录为15位、部分为18位，正确的标准化做法是

1. A. 将15位统一转换为18位并校验校验位
2. B. 保留原样并在字段后加一列标注位数
3. C. 只保留18位记录并删除15位记录
4. D. 将15位记录按出生日期补全为18位

3对信用卡交易数据做分箱后计算WOE时，若某个箱内同时包含好客户和坏客户且坏客户数为0，正确的处理是

1. A. 对该箱坏客户数加0.5做平滑后再计算
2. B. 直接将该箱WOE设为0并保留
3. C. 删除该箱内全部样本后重算
4. D. 将该箱与相邻箱合并后不再平滑

4在构建客户风险画像时，发现某字段缺失率高达85%，且缺失样本的违约率显著高于非缺失样本，正确的处置思路是

1. A. 保留该字段并额外生成缺失指示变量
2. B. 直接删除该字段以避免缺失干扰
3. C. 用均值填充缺失值后正常入模
4. D. 删除全部缺失样本保证数据完整

5在金融数据采集环节，从券商接口获取的逐笔成交数据需要按时间戳排序后再写入分布式存储，这一步骤主要保障数据的哪项质量维度

1. A. 完整性
2. B. 一致性
3. C. 时序性
4. D. 唯一性

6使用Python的pandas读取CSV格式的信贷交易数据时，发现某数值列被自动识别为object类型，最可能的原因是

1. A. 该列存在缺失值
2. B. 该列混入了非数值字符
3. C. 该列数值范围过大
4. D. 该列使用了科学计数法

7在制作金融监管报表的可视化看板时，需要同时展示各业务条线不良贷款率的对比以及整体趋势，下列组合最合理的是

1. A. 饼图加散点图
2. B. 柱状图加折线图
3. C. 雷达图加饼图
4. D. 热力图加箱线图

8从券商交易流水接口采集数据时，某字段返回值为空字符串而并非报错，清洗阶段最合理的首个处置动作是

1. A. 将该空值字段替换为0后直接入库
2. B. 标记为缺失值并统计该字段缺失比例
3. C. 丢弃整条交易流水记录以保证完整
4. D. 用上一条成功的记录值向前填充

9使用Python的pandas读取一份含中文列名的CSV时出现乱码，在不确定文件编码的情况下，较稳妥的做法是

1. A. 用默认编码读取后对列名做字符串替换
2. B. 依次尝试常见编码并检查列名是否正常
3. C. 把文件另存为xlsx格式后再读取
4. D. 用二进制方式读取并逐字节解码列名

10某分析师将客户年龄字段中出现的“-1”直接参与均值计算，导致均值明显偏低，正确的处理思路是

1. A. 把-1当作缺失值处理后再计算均值
2. B. 将-1替换为年龄字段的中位数
3. C. 把-1替换为0以保留记录数量
4. D. 删除年龄字段后改用其他字段分析

11某团队用柱状图对比不同分行的贷款余额，因分行数量较多导致横轴标签重叠，最符合可视化规范的做法是

1. A. 将柱状图改为横向条形图并排序
2. B. 缩小字体使所有标签挤在一行
3. C. 删除部分分行只保留前几名
4. D. 把分行名称改为编号后展示

12采集某银行APP埋点日志时发现同一用户在一次会话中被重复上报了多条完全相同的事件记录，清洗阶段应优先采取的措施是

1. A. 按事件ID和用户ID去重保留一条记录
2. B. 把重复记录全部删除且不保留任何备份
3. C. 将重复记录的时间戳统一改为当天零点
4. D. 只对金额字段做去重而保留其他字段

13某公司要求对每日交易流水做数据质量监控，下列指标中最能直接反映“数据完整性”的是

1. A. 必填字段的空值率
2. B. 数值字段的均值
3. C. 文本字段的平均长度
4. D. 日期字段的最大值

14在制作面向管理层的月度经营看板时，把“各业务线收入占比”和“各业务线收入同比增速”放在同一张图里展示，最不合适的做法是

1. A. 用同一坐标轴把占比和增速画成两条折线
2. B. 用堆积柱状图展示收入占比结构
3. C. 用簇状柱状图对比各业务线增速
4. D. 用组合图让占比用柱、增速用折线

15在金融交易数据的清洗流程中，下列做法属于合理数据清洗操作的有（多选）

1. A. 对金额字段按业务精度要求统一保留两位小数
2. B. 对日期字段按统一时区转换为标准时间格式
3. C. 对客户性别字段按编码表把“男/女”映射为统一代码
4. D. 为提升分析速度直接删除所有含缺失值的记录
5. E. 把不同来源的客户姓名直接拼接成一个新字段

16在反洗钱场景中统计某账户近30天交易金额的分布，发现存在一笔金额为负数的支出记录，最可能的数据问题是

1. A. 该记录属于正常退款冲正业务
2. B. 采集时未区分借貸方向导致符号错误
3. C. 该账户已被冻结无法交易
4. D. 统计口径把美元金额按人民币计算

17某分析师把清洗后的交易数据用折线图展示各行业日均交易额对比，发现走势混乱难以解读，最恰当的改进是

1. A. 改用柱状图展示各行业日均交易额对比
2. B. 保留折线图但增加更多行业分类
3. C. 把纵轴改为对数坐标后继续用折线图
4. D. 在折线图上叠加移动平均线

18采集银行流水时，某笔交易金额字段出现"-1,234.50元"，而其余记录是"1234.5"这种纯数字，清洗阶段应先做的操作是

1. A. 直接按文本存储保留原始符号
2. B. 剥离千分位与货币单位后转数值型
3. C. 把负号统一改为正号再入库
4. D. 按字符长度截取数字部分

19对交易明细做去重时，同一笔交易因系统重传产生了完全相同的两条记录，但另有一笔真实交易与前者金额、时间均相同仅流水号不同，正确的去重依据是

1. A. 金额与交易时间两列组合
2. B. 交易流水号这一唯一标识
3. C. 客户号与金额两列组合
4. D. 整行所有字段完全一致

20用SQL对交易表按客户分组统计近三十天交易笔数时，若某客户在窗口内无任何交易，业务希望结果中仍列出该客户并显示笔数为零，应使用的连接方式是

1. A. 内连接
2. B. 左连接
3. C. 交叉连接
4. D. 自连接

21清洗银行流水时发现同一笔交易在核心系统与外围报表中金额相差0.01元，最可能的原因是

1. A. 两端系统使用了不同的货币精度舍入规则
2. B. 外围报表在夜间批量时漏读了部分字段
3. C. 核心系统对该笔交易做了重复记账
4. D. 两侧数据采集时间戳相差超过一天

22对同一客户在多个产品表中的记录做合并时，发现客户姓名存在同音不同字的情况，最合适的处理方式是

1. A. 直接按姓名精确匹配合并
2. B. 按身份证号等唯一标识匹配合并
3. C. 按手机号末四位匹配合并
4. D. 按开户日期先后顺序匹配合并

23在构建反欺诈特征时，把'近7天夜间交易笔数'与'近7天夜间交易金额'同时加入模型，最需要警惕的问题是

1. A. 两个特征高度相关带来多重共线性
2. B. 夜间交易数据无法被采集
3. C. 金额特征一定是标签泄露
4. D. 笔数特征不适合做数值特征

24某分析师发现沪深300成分股日行情表中，某只股票某日收盘价缺失但成交量正常，最合理的初步处置是

1. A. 直接用前一交易日收盘价填充并保留成交量
2. B. 将该行整条删除以免影响统计
3. C. 把成交量也置空使该行标记为无效
4. D. 用该股票全年收盘价均值填充该缺失值

25对某银行交易流水做去重时，两条记录除交易时间相差1秒外其余字段完全一致，判断为重复记录最应依据的是

1. A. 交易流水号是否相同
2. B. 交易金额是否相同
3. C. 交易对手是否相同
4. D. 交易渠道是否相同

26在金融数据清洗中，对某字段设定合理值域并标记超出范围的记录，这一步属于

1. A. 一致性检查
2. B. 有效性检查
3. C. 完整性检查
4. D. 唯一性检查

27某分析师在做月度信贷投放分析时，发现本月放款金额比上月大幅上升，但放款笔数基本持平，最应优先核查的是

1. A. 是否存在大额单笔放款拉高总额
2. B. 上月数据是否漏采了部分笔数
3. C. 本月是否把审批金额记成了放款金额
4. D. 客户平均年龄是否发生明显变化

28从第三方渠道获取的征信数据以全角字符和带千分位逗号的字符串形式存储金额，清洗阶段最应先执行的操作是

1. A. 统一半角化并去除千分位分隔符后再转换为数值类型
2. B. 直接对字符串做数值类型强转并捕获转换失败记录
3. C. 先按逗号分列展开为多列再做纵向合并
4. D. 先对字符串做哈希编码再参与后续计算

29某支付公司需要将清洗后的交易数据按日分区写入数据仓库，为避免重复计算与漏算，分区键选择与写入方式最合理的是

1. A. 以交易发生日期为分区键并采用按分区覆盖写入
2. B. 以数据入库日期为分区键并采用追加写入
3. C. 以交易发生日期为分区键并采用追加写入
4. D. 以数据入库日期为分区键并采用按分区覆盖写入

30在将清洗后的宽表用于可视化前，发现某分类字段取值存在“北京”“北京市”“京”三种写法，最规范的清洗动作是

1. A. 建立标准码表并做映射归一到统一标准值
2. B. 按出现频次最高的写法统一其余写法
3. C. 保留三种写法并在图例中分别展示
4. D. 将三种写法合并为“其他”类别

31某消费金融公司做逾期率月度看板，发现1月逾期率异常升高，排查发现1月放款笔数因系统升级少录入了两周数据，该问题属于

1. A. 数据重复问题
2. B. 数据缺失问题
3. C. 数据一致性问题
4. D. 数据精度问题

32某银行反洗钱监测中，需要统计同一客户在7天内累计转账金额，现有交易流水表按交易时间排序，最适合的实现方式是

1. A. 按客户分组后对金额列求总和
2. B. 按客户分组后对时间列做差分再求和
3. C. 按客户分组后对时间列滚动窗口求和
4. D. 按客户分组后对金额列求标准差

33某证券公司用可视化看板监控客户交易行为，产品经理要求“一眼看出哪些营业部佣金收入低于目标且差距最大”，最合适的图表设计是

1. A. 按营业部排列的横向条形图并按差距排序
2. B. 按时间排列的折线图展示佣金走势
3. C. 按营业部排列的饼图展示佣金占比
4. D. 按营业部排列的散点图展示收入与目标

34某消费金融公司用Python的pandas读取CSV格式的交易流水文件，发现原本为字符串的商户编号列被自动识别成了整数，导致前导零丢失；在read_csv阶段最合适的处理方式是

1. A. 读取后对该列做astype(str)转换并补零
2. B. 读取时用dtype参数将该列指定为str类型
3. C. 读取时用converters参数把该列转换为float
4. D. 读取后删除该列再从数据库重新关联

35在反洗钱可疑交易监测的数据预处理中，需将单笔金额按币种折算为人民币后再做阈值判断；若某笔交易币种字段为空但金额非零，正确的处置顺序是

1. A. 先按美元默认汇率折算再进入阈值判断
2. B. 先标记该记录为待补全并暂停其阈值判断
3. C. 先按金额数值直接进入阈值判断再回补币种
4. D. 先将币种填为人民币再按原金额判断

36在金融数据仓库中，某字段被定义为枚举型'账户状态'，抽取时发现出现'正常''NORMAL''01'三种取值；在ETL清洗阶段最规范的做法是

1. A. 建立码值映射表统一转换为标准枚举值
2. B. 按出现次数最多的取值覆盖其余取值
3. C. 保留原值并在报表端做条件判断展示
4. D. 将三种取值分别拆成三个布尔字段

37某银行在整合来自三个分行的贷款数据时，发现同一客户在各分行系统中的客户编号规则不同；为保证跨分行客户可唯一识别，清洗阶段最应优先完成的工作是

1. A. 以身份证号等强标识建立跨系统主键映射
2. B. 将三分行客户编号拼接为复合主键
3. C. 保留各分行编号并在查询时按分行过滤
4. D. 对客户姓名做完全匹配后合并记录

38某消费金融公司将逾期天数字段从字符串转换为整数时，发现存在“-5”“未知”“30天”三类异常值，正确的批量处理顺序是

1. A. 先标记异常值再按业务规则分别映射或置空
2. B. 先将全部异常值统一置为0再继续转换
3. C. 先删除含异常值的整行记录再转换
4. D. 先将“未知”替换为平均值再转换其余值

39在计算某信贷产品月度不良率时，分母应使用当月应还款的贷款余额而非当月放款金额，这一选择主要避免了

1. A. 放款与还款时间错配导致的比率失真
2. B. 利率波动对不良金额的影响
3. C. 客户提前还款带来的利息损失
4. D. 担保方式差异对回收率的影响

40某券商将客户交易数据导出用于可视化看板，看板需按营业部展示资产分布，此时对营业部名称字段最应做的预处理是

1. A. 统一简称与全称并去除首尾空格
2. B. 将营业部名称转为数值编码
3. C. 按名称长度排序后截断
4. D. 将名称中的数字全部删除

41在采集某银行核心系统的交易流水时，源表用两位字符串存储货币代码，而目标数据仓库要求使用三位 ISO 4217 代码，下列字段映射处理方式中最合理的是

1. A. 在采集脚本中建立货币代码映射字典，将两位代码转换为三位代码后写入目标表
2. B. 在目标表旁边新增一列保留两位原始代码，三位代码列暂时留空待人工补录
3. C. 将两位代码直接写入三位代码列，后续由下游报表按前两位截取使用
4. D. 把货币代码字段整体删除，改由下游系统按交易账号归属地推断货币

42某城商行在整合手机银行与柜面两个渠道的客户信息时，发现同一身份证号在两个系统中姓名写法不同，下列主数据匹配处理最合理的是

1. A. 以身份证号作为主键进行关联，姓名差异输出冲突清单交数据治理岗确认
2. B. 以姓名完全一致为条件进行关联，姓名不同的记录视为两个不同客户
3. C. 以手机号作为主键关联，姓名不一致时随机保留其中一个系统的姓名
4. D. 将两个系统的姓名拼接后写入新字段，作为客户全名使用

43在清洗保险理赔数据中的“出险日期”字段时，发现少量记录的出险日期晚于报案日期，下列处理判断正确的是

1. A. 出险日期晚于报案日期属于逻辑矛盾，应标记异常并核查是否日期录入颠倒
2. B. 出险日期晚于报案日期属于正常情况，无需处理直接进入后续分析
3. C. 出险日期晚于报案日期说明客户延迟报案，应把报案日期改为出险日期
4. D. 出险日期晚于报案日期只需将两个日期字段互换后即可正常使用

44某金融科技公司把生产库中的客户手机号导入分析环境时，需要在保留可分析性的同时降低泄露风险，下列字段处理方式最合适的是

1. A. 对手机号做不可逆哈希并加盐后存储，分析时使用哈希值关联
2. B. 把手机号中间四位替换为固定数字，保留前三位和后四位明文
3. C. 把手机号整体加密后存储，分析时先解密再参与关联计算
4. D. 把手机号字段直接复制到分析环境，仅通过权限控制访问

45某银行理财登记数据中客户风险等级字段出现大量“C3”与“3”混用，清洗时最合理的处置方式是

1. A. 建立等级映射字典统一为标准编码
2. B. 直接删除所有含字母的记录
3. C. 将字母前缀替换为空字符串
4. D. 按出现频次保留最高频的写法

46对某日个股行情做可视化时，要同时展示价格走势与成交量，较合适的图表组合是

1. A. 价格折线图叠加成交量柱状图
2. B. 价格饼图叠加成交量折线图
3. C. 价格散点图叠加成交量饼图
4. D. 价格箱线图叠加成交量热力图

47某分析师用箱线图识别异常交易金额时，把IQR法判定的离群点全部直接删除，较合理的改进是

1. A. 先核对离群点是否为真实大额交易
2. B. 改用均值加减标准差再删除
3. C. 把所有离群点替换为均值
4. D. 提高箱线图的分位数阈值

48在金融数据采集环节，某接口返回的JSON字段中，日期字段的格式为“2024/03/15”，而目标数仓要求统一为“2024-03-15”格式，这一转换应归入哪一处理步骤

1. A. 数据采集时的协议解析环节
2. B. 数据清洗中的格式标准化环节
3. C. 数据存储时的分区字段处理环节
4. D. 数据可视化前的维度映射环节

49某分析师用箱线图识别交易金额异常值，发现某笔金额落在Q3+1.5倍IQR之外，下一步最合理的处置是什么

1. A. 直接删除该笔记录以保证数据整洁
2. B. 将该笔金额截断为Q3+1.5倍IQR的值
3. C. 结合业务背景核实该笔交易是否为真实大额交易
4. D. 将该笔金额替换为该列的平均值

50在金融数据采集流程中，使用Kafka作为消息队列接收实时交易数据，消费者端出现重复消费，最应在消费端采取什么措施保证数据不重复入库

1. A. 提高消费者组的并发线程数
2. B. 在入库前依据业务主键做幂等去重
3. C. 缩短消息在Kafka中的保留时间
4. D. 将消费者偏移量提交改为自动提交

51在金融数据采集环节，从某银行核心系统导出客户交易流水时发现部分交易金额字段为空值，按数据清洗规范应优先采取的处理方式是

1. A. 直接删除该条交易记录以保证数据完整
2. B. 用同客户历史交易金额的均值填充该空值
3. C. 标记为空值并回溯源系统核查缺失原因
4. D. 用相邻记录的交易金额向下填充该空值

52用Python的pandas读取某券商CSV格式的对账单时，发现日期列被识别为字符串类型，要将其转换为日期类型应使用的方法是

1. A. astype(float)
2. B. to_datetime()
3. C. fillna()
4. D. groupby()

53某银行反洗钱监测中需将交易金额按0-1万、1-5万、5万以上三档分类统计，这种将连续变量转为分类变量的操作称为

1. A. 归一化
2. B. 标准化
3. C. 分箱
4. D. 降维

54清洗某保险公司理赔数据时，发现'理赔金额'字段存在大量负值，结合业务判断这些负值最可能代表的是

1. A. 数据录入时符号错误
2. B. 赔款追回或冲正记录
3. C. 客户退保产生的费用
4. D. 系统随机生成的噪声

55对某消费金融公司借款申请表中的“月收入”字段做缺失值处理时，该字段缺失比例约为8%，且收入分布明显右偏，最合理的填充策略是

1. A. 用该字段均值直接填充缺失记录
2. B. 用该字段中位数填充缺失记录
3. C. 删除所有含缺失值的整行记录
4. D. 用相邻记录的月收入随机填充

56某银行数据仓库在加载客户信息前发现同一客户编号对应两个不同姓名，正确的处置流程是

1. A. 保留最新更新时间的姓名并记录冲突
2. B. 随机保留其中一条姓名后继续加载
3. C. 将两条记录合并为“姓名1/姓名2”
4. D. 暂停整批加载并删除该客户编号

57对某保险公司理赔数据做异常值检测时，发现“理赔金额”字段存在少量极大值，但业务确认这些是真实大额理赔，此时正确处理方式是

1. A. 按统计学规则直接剔除这些极大值
2. B. 用中位数替换所有极大值
3. C. 保留真实极大值并在分析中单独说明
4. D. 将极大值统一截断为均值水平

58某银行数据分析师在制作月度信贷投放报表时，发现上月已清洗的客户行业分类字段本月出现大量“未知”值，最可能的错误环节是

1. A. 可视化图表的坐标轴设置错误
2. B. 数据采集接口的行业字段映射失效
3. C. 报表导出时选择了错误的日期范围
4. D. 客户编号字段未设置为主键

59对某只股票分钟级收盘价序列做可视化时，发现图形在每日开盘首根K线处出现异常尖峰，排查后确认是采集时把集合竞价价格混入连续竞价序列，正确的处置是

1. A. 对整条序列做3σ剔除后再绘图
2. B. 按交易时段字段过滤集合竞价记录后重绘
3. C. 对尖峰点做线性插值平滑后绘图
4. D. 将分钟频率降为日频以消除尖峰

60在金融数据可视化中，展示某产品近12个月收益率随时间变化的趋势，最合适的图表类型是

1. A. 折线图并标注关键事件节点
2. B. 饼图并按月份扇区着色
3. C. 堆叠柱状图并叠加累计收益
4. D. 散点图并以月份为点大小

61用SQL对交易表按客户分组求最近一笔交易时，窗口函数ROW_NUMBER() OVER (PARTITION BY 客户ID ORDER BY 交易时间 DESC)的作用是

1. A. 为每个客户按时间倒序生成行号
2. B. 对每个客户交易金额累加求和
3. C. 统计每个客户的交易总笔数
4. D. 按交易时间对全表去重

62对金融客户手机号字段做清洗时，发现大量形如'138-1234-5678'的记录，保留数字字符后应统一为

1. A. 13812345678
2. B. 1381234567
3. C. 8613812345678
4. D. 138123456789

63在绘制某产品月度销售额趋势时，原始数据缺失了2月的数据，最合适的处理方式是

1. A. 在图上标注2月数据缺失并说明原因
2. B. 用1月和3月的均值直接填充后照常绘图
3. C. 把2月数据删除后让折线直接跨过
4. D. 将2月数值记为0后绘制折线

64某团队把交易数据中的'客户ID'和'卡号'都作为唯一标识去重，结果发现同一客户多张卡被算作多人，正确做法应是

1. A. 以客户ID为去重主键并保留卡号明细
2. B. 以卡号为去重主键并保留客户ID明细
3. C. 对两字段拼接后作为去重主键
4. D. 先按卡号去重再按客户ID去重

65某消费金融公司从合作电商平台接收一批订单明细数据，字段中「订单金额」为字符串类型且部分记录带千分位逗号，在入库前应先执行的处理是

1. A. 去除千分位逗号后转换为数值类型
2. B. 直接按字符串排序后统计总额
3. C. 截取逗号前的整数部分参与计算
4. D. 将带逗号记录整行标记为异常丢弃

66用Python的pandas读取一份包含中文列名的CSV文件时，发现首行被当作数据、列名变成了数字，最可能的原因是

1. A. 读取时未指定正确的编码格式
2. B. 文件中存在多余的空行导致解析错位
3. C. 读取时未设置header参数指向首行
4. D. 文件中列名含空格导致被自动重命名

67在客户交易流水表中，「交易时间」字段存在「2024/3/5」「2024-03-05」「05-Mar-2024」三种写法，批量清洗时最稳妥的第一步是

1. A. 统一转换为标准日期类型并校验转换失败记录
2. B. 用字符串替换把斜杠和横线都换成点号
3. C. 按字符串长度排序后分组分别处理
4. D. 只保留出现次数最多的那一种日期写法

68在设计反欺诈监控看板时，需要同时展示「当日拦截笔数」与「拦截金额」两个量纲不同的指标，较合理的可视化方案是

1. A. 使用双轴图分别设置左右纵轴并标注单位
2. B. 把两个指标直接相加后画一条趋势线
3. C. 把金额缩小一亿倍后与笔数画在同一纵轴
4. D. 只展示笔数，金额在悬浮提示中显示

69在金融数据采集环节，从某银行核心系统抽取客户交易流水时，源表以「交易时间」字段作为增量抽取依据，但该字段存在少量空值，最稳妥的增量采集处理方式是

1. A. 将空值交易时间默认填充为当前系统时间后参与增量比对
2. B. 对空值记录单独建立补采批次并回溯比对主键后合并入库
3. C. 在增量条件中直接排除交易时间为空的记录不再采集
4. D. 把交易时间字段整体改为按交易金额排序后抽取

70用Python的pandas读取一份含中文列名的CSV交易明细时，出现列名乱码但数据内容正常，最可能的原因是

1. A. 文件使用了GBK编码而读取时按UTF-8解码
2. B. 文件存在重复行导致列名被覆盖错位
3. C. 数值列被自动识别为字符串类型
4. D. 索引列未设置导致列名整体偏移一位

71对某支付平台的日活用户数做异常检测时，周一至周五数值明显高于周末，直接对全序列计算均值加减三倍标准差会把每个周末都判为异常，更合理的处理是

1. A. 改用中位数加减三倍四分位距对全序列判定
2. B. 按星期几分组分别建立基线再做异常判定
3. C. 把周末数据整体剔除后只监控工作日
4. D. 将日活数值取对数后对全序列重新计算阈值

72某团队用Kettle把交易数据从源库抽取到目标库时，发现目标库记录数比源库多出若干条，经查是重复执行同一批次任务导致，最应当先检查的环节是

1. A. 转换中的字段类型映射是否发生截断
2. B. 步骤之间的数据分流条件是否写错
3. C. 目标表的写入方式是否使用了插入而非更新插入
4. D. 源库查询是否加入了去重关键字

73从券商交易接口按分钟频率采集的原始快照数据中，同一只股票在同一分钟出现两条记录且成交金额字段不同，最合适的第一步处置是

1. A. 以成交金额较大的那条记录为准
2. B. 以时间戳较晚的那条记录为准
3. C. 按主键股票代码加分钟时间戳去重并核对来源序号
4. D. 将两条记录金额相加后作为该分钟成交额

74用Python的pandas读取一份含中文列名的CSV交易明细时出现乱码，在不改动源文件的前提下，最合适的处理是

1. A. 读取时指定encoding参数为对应中文编码
2. B. 读取后对每个列名做unicode转义还原
3. C. 先用二进制模式读取再逐字节替换
4. D. 把文件另存为xlsx后再用read_excel读取

75在监控每日新增信贷申请量的看板中，发现某天数值突然为前一天的十倍，排查后确认是采集脚本重复运行，正确的处置是

1. A. 按采集批次号去重后重算该天指标
2. B. 把该天数值除以十后直接展示
3. C. 删除该天数据并在看板中留空
4. D. 保留原值并加备注说明异常

76在对一份包含成交金额、手续费、成交时间的交易流水做清洗时，下列做法中能提高数据可用性的有（多选）

1. A. 对成交金额做零值与负值检查并标记异常
2. B. 对成交时间做时区统一并校验区间合理性
3. C. 对手续费字段保留原始精度并按币种分组校验
4. D. 对成交金额直接四舍五入到整数以统一格式
5. E. 把成交时间字符串按长度截断为统一位数

77清洗信贷申请表时发现“月收入”字段存在少量负数与超过100万的异常值，且缺失率约8%，最合理的处理顺序是

1. A. 先删除缺失与异常记录，再对剩余收入做分箱
2. B. 先按业务规则标记异常并回查源，再决定缺失填补方式
3. C. 先用均值填补缺失，再把负数取绝对值修正
4. D. 先对全部收入做标准化，再删除标准差以外的记录

78对某理财产品每日净值序列做可视化时，发现曲线在节假日出现断点，最合理的处理是

1. A. 用前值填充节假日净值后连续绘制
2. B. 按交易日索引绘制并标注非交易日
3. C. 把节假日净值补零后绘制折线
4. D. 对净值取对数后按自然日绘制

79在制作面向管理层的资产质量看板时，需要表达“关注类贷款占比环比上升”这一结论，最恰当的可视化选择是

1. A. 用环形图展示各类贷款占比的当前值
2. B. 用双轴折线图展示占比与环比变化率
3. C. 用瀑布图展示关注类贷款的内部构成
4. D. 用热力图展示各分行关注类占比

80在搭建金融数据质量监控时，针对“客户手机号”字段，下列属于合理校验规则的有（多选）

1. A. 校验长度与号段是否符合当前运营商规则
2. B. 对空值与重复值分别统计并设定阈值告警
3. C. 用正则匹配并允许国际区号前缀
4. D. 对不符合规则的号码直接置为默认值
5. E. 将手机号与身份证号做关联一致性校验

81某基金公司采集的净值数据中，同一产品同一日期出现两条记录，金额字段一条为1532.40另一条为1532.4，判断重复主键时应如何处理

1. A. 按产品代码与日期组合作为主键，数值差异视为同一记录去重
2. B. 按整行所有字段完全一致作为主键，两条都保留
3. C. 按金额字符串长度不同判定为两条独立记录
4. D. 按采集时间先后保留较早的一条并删除较晚的一条

82某银行在采集外部征信数据时发现接口返回的字段名在不同批次中由creditScore变为credit_score，为保证下游解析稳定应优先采取的措施是

1. A. 建立字段映射字典，在解析层统一映射为规范字段名
2. B. 要求外部接口方立即修改返回字段名后再接入
3. C. 在代码中同时写两套解析分支分别处理两种字段名
4. D. 对返回报文先整体转小写再按模糊匹配取字段

83在金融报表可视化中，需向管理层展示各业务线收入占比且业务线数量为6条，下列图表选择最合适的是

1. A. 环形图配合图例标注各业务线占比
2. B. 折线图按业务线分别绘制趋势
3. C. 箱线图展示各业务线收入离散程度
4. D. 热力图按月份与业务线交叉着色

84清洗客户开户信息时发现同一身份证号对应两条姓名略有差异的记录，最恰当的处置流程是

1. A. 按身份证号去重保留最新一条
2. B. 先比对差异字符再人工核实合并
3. C. 按姓名分组分别保留两条记录
4. D. 将两条记录都标记为无效删除

85某数据表记录了基金每日单位净值，分析师想计算每只基金的日收益率，正确的计算方式是

1. A. 当日净值除以昨日净值再减一
2. B. 当日净值减昨日净值再除以当日净值
3. C. 当日净值加昨日净值后取平均
4. D. 当日净值直接减去昨日净值

86在数据清洗中判断两条客户地址是否指向同一地点，采用编辑距离结合行政区划标准化，这种做法的主要目的是

1. A. 提高地址匹配的准确率
2. B. 加快数据入库的写入速度
3. C. 减少数据库存储占用空间
4. D. 统一地址字段的数据类型

87在金融数据采集环节，从某券商交易系统导出逐笔成交明细时，发现部分记录的成交时间字段为空，最合理的第一步处置是

1. A. 直接删除这些时间字段为空的成交记录
2. B. 用该记录前后两笔的成交时间取平均后回填
3. C. 先核查该系统导出规则是否对集合竞价时段不写时间
4. D. 把空时间统一填充为当日开盘时间09:30:00

88对某保险公司理赔金额字段做异常值检测时，发现个别金额为负数，最合理的处置是

1. A. 保留负数并纳入均值计算
2. B. 按业务规则核查是否为冲正或退费记录
3. C. 直接取绝对值后参与统计
4. D. 用该字段的最大值替换负数

89某分析师要展示某产品线销售额中各渠道的占比，且渠道数量固定为五类，最合适的图表是

1. A. 饼图
2. B. 折线图
3. C. 散点图
4. D. 箱线图

90在金融数据可视化项目中，下列做法有助于提升图表可读性的有（多选）

1. A. 为折线图添加清晰的坐标轴单位与图例
2. B. 用红绿对比表示涨跌并同时标注涨跌符号
3. C. 在饼图中放入二十个以上类别以体现细节
4. D. 对金额轴采用对数刻度时在图注中说明
5. E. 把不同量纲的指标画在同一坐标轴上不作区分

91某消费金融公司需要将每日增量交易文件按日期分区写入数据仓库，作业在凌晨两点运行，若上游文件偶有延迟到达，最稳妥的调度策略是

1. A. 固定时间触发并跳过缺失文件
2. B. 检测文件就绪后再触发作业
3. C. 提前到零点触发以留出余量
4. D. 改为每周合并运行一次作业

92在用Python的pandas读取一份包含中文字段的CSV交易文件时，打开后发现列名出现乱码，最可能的原因是

1. A. 文件使用了非默认的字符编码
2. B. 文件的分隔符被误设为逗号
3. C. 文件中存在全角标点符号
4. D. 文件的列数超过了默认上限

93某金融科技公司对用户交易数据做脱敏后用于分析，要求脱敏结果仍能支持按用户维度关联且不可逆，较合适的处理方式是

1. A. 对用户标识做加盐哈希
2. B. 对交易金额做四舍五入
3. C. 对用户姓名做部分掩码
4. D. 对交易时间做随机偏移

94对客户身份证号做脱敏处理用于分析建模时，把出生日期段保留而掩去顺序码和校验码，这种做法在金融数据合规处理中属于

1. A. 保留可识别个人身份的间接标识
2. B. 符合最小必要原则的假名化处理
3. C. 属于去标识化但仍可能被重识别的处理
4. D. 属于完全匿名化不再受个人信息保护

95用箱线图识别某支行日交易金额异常值时，业务确认大额对公转账属于真实交易，此时正确的处置方式是

1. A. 直接把超出上下须的点全部剔除
2. B. 把上下须系数由1.5调整为3.0后重新识别
3. C. 结合业务标签保留真实大额并标注为可疑值
4. D. 对全部超限值做对数变换后重新计算

96在计算客户近90天日均资产时，某客户期间有三天因系统故障资产记为0，正确做法是

1. A. 把0视为真实值直接参与均值计算
2. B. 将故障日剔除并在解析中说明口径
3. C. 用前后两日资产的均值填补故障日
4. D. 把90天口径改为按有数据天数计算

97业务方要求看板展示各渠道放款金额占比，其中某渠道当日无放款，制作饼图时正确处理是

1. A. 该渠道显示为0%并在图例中保留
2. B. 把该渠道合并到其他渠道项中
3. C. 把该渠道占比按最小可见扇区显示
4. D. 删除该渠道使饼图只显示有值项

98某银行消费贷数据表中"客户月收入"字段存在少量负值，经核查是录入时把符号键误触导致，清洗时应优先采取

1. A. 将负值取绝对值还原为收入金额
2. B. 把负值记录整行删除后重新采集
3. C. 将负值统一替换为该字段的中位数
4. D. 结合同客户其他字段判断后回改或标记异常

99在构建客户资产分布直方图时，原始金额数据呈现明显右偏长尾，为使图形更易读且不掩盖主要分布形态，较合适的做法是

1. A. 直接对金额取对数后绘制并标注刻度含义
2. B. 把超过均值的记录全部截断到均值处
3. C. 将组距无限细分直到长尾消失
4. D. 改用饼图展示各金额区间的占比

100某团队将客户风险等级从"低/中/高"文本映射为1/2/3数值后直接计算平均风险等级，这一做法的主要问题是

1. A. 数值编码占用的存储空间大于文本编码
2. B. 风险等级属有序分类变量均值缺乏业务含义
3. C. 映射后应改用0/1/2编码才符合行业惯例
4. D. 文本映射为数值会导致无法再做分组统计