大家好，今天整理資料分析面試題集錦(四)，經常會被問到，“資料分析需要學習什麼技能？”，“針對實際的業務場景，如何使用資料分析工具去分析？”基于此作者總結資料分析面試常用的問題，面試内容包括技能應用篇：EXCEL、SQL、Python、BI工具等，業務思維篇：常用的資料分析方法與業務思維等。
其中大部分問題點，沒有絕對标準答案，所有問題點都是為了解決問題，大家如果有更好的問題答案，也可以提出，對于其中的問題也可以提出，共同解答，歡迎點贊、轉發、評論，下面一起來學習。
本文講解内容：Excel、SQL、Python面試必備
适用範圍：多種資料分析實用技巧
Excel篇
1、自定義資料格式代碼
如何自定義資料格式，比如這裡8月銷售大于7月銷售，将其顯示為綠色并添加向上的箭頭，8月銷售小于7月銷售，将其顯示為紅色并添加向下的箭頭。
選擇需要設定資料格式的區域，右鍵點選設定單元格格式輸入如下的格式代碼，該代碼可分為兩部分，用分号隔開，第一部分是對大于0的值設定格式：[綠色][>0]▲0，表示字型顔色為綠色，顯示▲，0表示原數，第二部分是對小于0的值設定格式：[紅色][<0]▼0，表示字型顔色為紅色，顯示▼，0表示原數。
[綠色][>0]▲0;[紅色][<0]▼0 另外在PowerBI中，可以使用如下的DAX函數設定如上的自定義資料格式，感興趣可以嘗試一下。
環比_顔色 = SWITCH(TRUE(),
[環比]>0,UNICHAR(9650)&FORMAT([環比],"0.0%"),
[環比]<0,UNICHAR(9660)&FORMAT([環比],"0.0%"),"") 除此之外，還有自定義資料格式用來設定機關，如下也可設定單元格式，自定義設定。
0!.0,"萬"
0!.00,,"億" 比如這裡使用0!.0,"萬"表示萬，先使用千分位符，将資料縮小1000倍，然後設定資料格式為0!.0将資料縮小10倍，小數點前的 ! 是用于強制顯示小數點，将資料縮小10倍，最後再加一個萬字即可，需要加雙引号。
2、批量生成銷售個人明細
要批量生成銷售個人明細，比如生成每一個銷售每一天的銷量和銷售額情況，可以先資料透視，注意要将銷售員拖入到篩選器中。
然後在資料透視表工具中選擇分析，點選選項下面的顯示報表篩選頁。
在顯示報表篩選頁下選擇銷售員，點選确定即可。
如下将我們所有的銷售員每一天的銷量和銷售額進行了拆分，拆分為每一個銷售個人的具體情況。
SQL篇
表之間的關聯
如下考察表格之間的關聯關系，比如表與表之間的合并，表與表之間的相交等等，考查表格關聯的邏輯。
第一問、表A和表B的交集：
SELECT a.cus_id from `表a` as a
INNER JOIN `表b` as b
on a.cus_id=b.cus_id； 第二問、表A和表B的并集：
SELECT * from `表a`
UNION
SELECT * from `表b`； 第三問、表A和表B的對稱差：
SELECT * from `表a`
where cus_id not in (SELECT * from `表b`)
UNION
SELECT * from `表b`
where cus_id not in (SELECT * from `表a`)； 第四問、表A中存在但表B中不存在：
SELECT * from `表a`
WHERE cus_id not in (SELECT cus_id from `表b`)； Python篇
1、np.where分組用法
首先建立案例資料，建立一個DataFrame。
import pandas as pd
df=pd.DataFrame(data={'國文': [50,90,70,78,60],
'數學': [59,80,60,75,69],
'英語': [61,95,65,80,59]},
index=['小明','小紅','小麗','小剛','小東'])
df['總分']=df['國文']+df['數學']+df['英語']
df 導入numpy庫，調用np.where的用法。
#np.where的用法
import numpy as np
df['總分評級']=np.where(df['總分']>200,'A等','B等')
df np.where也用于兩個字段之間的比較，比如這裡的國文成績與數學成績之間的比較。
df['國文評級']=np.where(df['國文']>df['數學'],'✔','✘')
df 2、多條件指派用法
使用loc函數，選擇确定條件區域的資料，直接使用“=”号進行指派，進而達到多條件指派的用處。
#多條件指派用法
df['數學評級']=''
df.loc[df['數學']<60,'數學評級']='不及格'
df.loc[df['數學']>=60,'數學評級']='及格'
df 3、apply用法
首先定義一個GetScore函數，該函數中用來寫入不同的條件，然後使用apply函數應用到該行即可。
def GetScore(df):
if df['英語']<60:
return '不及格'
elif df['英語']<70:
return '及格'
elif df['英語']<80:
return '中等'
elif df['英語']<90:
return '良好'
elif df['英語']<100:
return '優秀'
df.loc[:,'英語評級']=df.apply(GetScore,axis=1)
df 4、np.select用法
有多個條件可以使用np.select函數，這種适用于多個字段之間設定比較條件，比如這裡國文、數學、英語同時大于60分就設定為及格，其他用法類似。
#多條件判斷，有多個條件可以使用np.select
conditions=[(df['國文']>=60)&(df['數學']>=60)&(df['英語']>=60),
(df['國文']<60)&(df['數學']>60)&(df['英語']>60),
(df['國文']>60)&(df['數學']<60)&(df['英語']>60),
(df['國文']>60)&(df['數學']>60)&(df['英語']<60)]
results=['合格','不合格','不合格','不合格']
df['多重評級']=np.select(conditions,results,default='不合格')
df 多列合并為一列可以使用map函數轉為字元型，用加号進行連接配接。
#将多列合并為一列
df['評級合并']=df['國文評級'].map(str)+df['數學評級'].map(str)+df['英語評級'].map(str)
df 背景回複資料分析入門，擷取資料分析入門資料
加入資料分析資料群，一起交流資料分析知識
關注和星标『大話資料分析』
和作者一起學習資料分析！