2025年統計學專業期末考試：統計軟件應用與數據挖掘實戰題考試時間：______分鐘總分：______分姓名：______一、Excel數據處理與分析要求：運用Excel軟件進行數據處理和分析，完成以下任務。1.在Excel中創建一個包含以下數據的表格：-學號-姓名-性別-年齡-成績2.將上述表格中的成績列進行排序，從高到低排列。3.在表格中篩選出年齡在20-25歲之間的學生。4.計算年齡在20-25歲之間的學生的平均成績。5.在表格中插入一個新的列，計算每個學生的成績與平均成績的差值。6.使用條件格式功能，將成績低于平均成績的學生成績設置為紅色。7.在表格中插入一個圖表，展示不同性別學生的成績分布情況。8.使用Excel的數據透視表功能，分析不同年齡段學生的成績分布。9.在Excel中創建一個包含以下數據的表格：-產品名稱-銷售額-利潤率10.使用Excel的數據分析工具包，計算銷售額的移動平均和移動中位數。二、SPSS統計分析要求：運用SPSS軟件進行統計分析，完成以下任務。1.在SPSS中創建一個包含以下數據的變量：-學號-姓名-性別-年齡-成績2.將上述變量中的成績進行排序，從高到低排列。3.在SPSS中篩選出年齡在20-25歲之間的學生。4.計算年齡在20-25歲之間的學生的平均成績。5.在SPSS中插入一個新的變量，計算每個學生的成績與平均成績的差值。6.使用條件格式功能，將成績低于平均成績的學生成績設置為紅色。7.在SPSS中插入一個圖表，展示不同性別學生的成績分布情況。8.使用SPSS的數據透視表功能，分析不同年齡段學生的成績分布。9.在SPSS中創建一個包含以下數據的變量：-產品名稱-銷售額-利潤率10.使用SPSS的數據分析工具包，計算銷售額的移動平均和移動中位數。三、Python數據分析要求：運用Python編程語言進行數據分析，完成以下任務。1.使用Python創建一個包含以下數據的列表：-學號-姓名-性別-年齡-成績2.將上述列表中的成績進行排序，從高到低排列。3.使用Python篩選出年齡在20-25歲之間的學生。4.計算年齡在20-25歲之間的學生的平均成績。5.使用Python創建一個新的列表，計算每個學生的成績與平均成績的差值。6.使用Python將成績低于平均成績的學生成績設置為紅色。7.使用Python創建一個圖表，展示不同性別學生的成績分布情況。8.使用Python分析不同年齡段學生的成績分布。9.使用Python創建一個包含以下數據的列表：-產品名稱-銷售額-利潤率10.使用Python計算銷售額的移動平均和移動中位數。四、R語言數據分析要求：運用R語言進行數據分析，完成以下任務。4.使用R語言創建一個包含以下數據的向量：-學號-姓名-性別（男=1，女=2）-年齡-成績5.對上述向量中的成績進行排序，從高到低排列。6.在R語言中篩選出年齡在20-25歲之間的學生。五、SQL數據庫查詢要求：運用SQL語言進行數據庫查詢，完成以下任務。5.在SQL數據庫中創建一個包含以下數據的表：-產品ID-產品名稱-銷售數量-銷售日期6.查詢過去一個月內銷售數量超過100的產品名稱和銷售數量。六、數據可視化要求：使用Python中的Matplotlib庫進行數據可視化，完成以下任務。6.使用Python中的Matplotlib庫，根據以下數據繪制一個柱狀圖，展示不同年齡段學生的平均成績分布：-年齡段-平均成績本次試卷答案如下：一、Excel數據處理與分析1.在Excel中創建表格，輸入數據如下：-學號：1,2,3,...,n-姓名：張三，李四，王五，...-性別：男，女，男，...-年齡：20，21，22，...-成績：85，90，78，...2.在成績列上點擊，然后選擇“排序”功能，選擇“降序”。3.在表格中點擊“數據”選項卡，然后選擇“篩選”功能，在性別列中選擇“數字篩選”，然后選擇“等于”，輸入“20”和“25”，點擊“確定”。4.在Excel的“數據”選項卡下，選擇“數據分析”，然后選擇“描述統計”，在彈出的對話框中選擇“平均數”，點擊“確定”。5.在成績列旁邊插入一列，使用公式“=B2-C2”計算每個學生的成績與平均成績的差值。6.在成績列旁邊插入一列，使用條件格式功能，選擇“新建規則”，選擇“使用公式確定要設置格式的單元格”，輸入公式“=B2<C2”，點擊“格式”，選擇“填充”，然后選擇紅色。7.在Excel的“插入”選項卡下，選擇“圖表”，然后選擇“柱形圖”，在彈出的對話框中選擇“簇狀柱形圖”，點擊“確定”，根據性別列的數據繪制圖表。8.在Excel的“數據”選項卡下，選擇“數據透視表”，在彈出的對話框中選擇“創建數據透視表”，在彈出的對話框中選擇“現有工作表”，然后選擇一個空白區域，點擊“確定”，在數據透視表字段列表中選擇“年齡”和“成績”，拖動到行和列區域。二、SPSS統計分析1.在SPSS中創建變量，按照以下順序輸入數據：-學號：1,2,3,...,n-姓名：張三，李四，王五，...-性別：1，2，1，...-年齡：20，21，22，...-成績：85，90，78，...2.在成績變量上點擊，然后選擇“排序”，選擇“降序”。3.在性別變量上點擊，然后選擇“篩選”，選擇“數字篩選”，輸入“20”和“25”，點擊“確定”。4.在成績變量上點擊，然后選擇“描述統計”，在彈出的對話框中選擇“描述”，點擊“確定”。5.在SPSS中插入一個新變量，使用公式“成績-平均成績”。6.在SPSS中，使用條件格式功能，選擇“新建規則”，選擇“使用公式確定要設置格式的單元格”，輸入公式“成績<平均成績”，點擊“格式”，選擇“填充”，然后選擇紅色。7.在SPSS的“圖形”選項卡下，選擇“柱形圖”，在彈出的對話框中選擇“簡單柱形圖”，點擊“確定”，根據性別變量繪制圖表。8.在SPSS中創建數據透視表，選擇“年齡”和“成績”，拖動到行和列區域。三、Python數據分析1.使用Python創建列表，代碼如下：```pythondata=[(1,"張三",1,20,85),(2,"李四",2,21,90),(3,"王五",1,22,78),#...更多數據]```2.使用Python的`sorted()`函數對成績進行排序：```pythonsorted_data=sorted(data,key=lambdax:x[4],reverse=True)```3.使用Python的`filter()`函數篩選年齡在20-25歲的學生：```pythonfiltered_data=list(filter(lambdax:20<=x[3]<=25,data))```4.計算平均成績：```pythontotal_score=sum(scorefor_,_,_,_,scoreindata)average_score=total_score/len(data)```5.創建新列表計算成績差值：```pythondifference_scores=[(student[0],student[1],student[2],student[3],student[4]-average_score)forstudentindata]```6.使用條件格式設置顏色（Python中不直接支持Excel的條件格式，以下為模擬思路）：```pythonforstudentindata:ifstudent[4]<average_score:print(f"Student{student[1]}hasascorebelowaverage.")```7.繪制柱狀圖：```pythonimportmatplotlib.pyplotaspltgenders=[student[2]forstudentindata]scores=[student[4]forstudentindata]plt.bar(genders,scores)plt.xlabel('Gender')plt.ylabel('Scores')plt.title('ScoresbyGender')plt.show()```8.使用Pandas庫創建數據透視表（Python中不直接支持SPSS的數據透視表，以下為模擬思路）：```pythonimportpandasaspddf=pd.DataFrame(data)pivot_table=df.pivot_table(index='年齡',columns='成績',aggfunc='mean')print(pivot_table)```四、R語言數據分析1.使用R語言創建向量，代碼如下：```rdata<-c(c(1,"張三",1,20,85),c(2,"李四",2,21,90),c(3,"王五",1,22,78),#...更多數據)```2.對成績進行排序：```rsorted_data<-sort(data[,5],decreasing=TRUE)```3.篩選年齡在20-25歲的學生：```rfiltered_data<-data[data[,4]>=20&data[,4]<=25,]```4.計算平均成績：```raverage_score<-mean(data[,5])```5.創建新向量計算成績差值：```rdifference_scores<-data[,5]-average_score```6.設置條件格式（R中不直接支持Excel的條件格式，以下為模擬思路）：```rfor(iin1:nrow(data)){if(data[i,5]<average_score){print(paste("Student",data[i,2],"hasascorebelowaverage."))}}```7.繪制柱狀圖：```rlibrary(ggplot2)ggplot(data,aes(x=gender,y=score))+geom_bar(stat="identity")+xlab("Gender")+ylab("Scores")+ggtitle("ScoresbyGender")```8.創建數據透視表：```rlibrary(plyr)pivot_table<-ddply(data,c("年齡","成績"),summarize,mean)print(pivot_table)```五、SQL數據庫查詢5.創建表并插入數據（假設表名為Products）：```sqlCREATETABLEProducts(ProductIDINT,ProductNameVARCHAR(255),SalesQuantityINT,SalesDateDATE);INSERTINTOProducts(ProductID,ProductName,SalesQuantity,SalesDate)VALUES(1,'ProductA',120,'2023-04-01'),(2,'ProductB',150,'2023-04-02'),(3,'ProductC',200,'20