FCA-FineBI认证部分题目及答案【帆软】FineBI数据加工建模中只支持文本、数值、日期三种数据类型。
时间: 2025-03-20 12:22:31 浏览: 387
### FineBI 数据加工建模支持的数据类型及相关认证题目解析
FineBI 的数据加工建模功能提供了多种基础数据类型的处理能力,其中包括但不限于文本型、数值型和日期时间型数据的支持[^1]。这些数据类型能够满足大多数业务场景下的需求,在实际应用中可以通过添加计算字段的方式进一步扩展已有字段的能力。
#### 细节说明
- **文本型数据**:用于存储字符序列的信息,例如名称、地址等。在 FineBI 中可通过字符串函数对其进行截取、拼接等操作。
- **数值型数据**:适用于表示数量或度量值的情况,比如销售额、成本等。可执行加减乘除运算并参与各种聚合分析。
- **日期时间型数据**:专门用来记录具体的时间戳或者时间段信息。通过内置的时间维度工具可以轻松提取年份、月份甚至星期几这样的特征属性。
对于 FCA-FineBI 认证而言,其考察范围涵盖了从基础知识到高级技巧等多个层面的内容。上述提到关于“FineBI 是否提供计算字段”的判断题即属于此类范畴之一,并且已经确认该陈述为真[A];而有关 Excel 功能描述的部分则涉及到了另一个知识点——数据透视表的概念[B][^2]。
以下是基于此主题整理的一些典型样例代码片段展示如何利用 Python 实现类似的逻辑转换过程:
```python
import pandas as pd
# 创建示例 DataFrame
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30], 'Salary': [50000, 60000]}
df = pd.DataFrame(data)
# 添加一个新的计算列 (假设我们想增加工资税后的金额)
tax_rate = 0.2 # 假设税率是20%
df['PostTaxSalary'] = df['Salary'] * (1 - tax_rate)
print(df)
```
以上脚本展示了怎样在一个简单的 Pandas `DataFrame` 对象上创建额外的一列来反映原始薪资扣除一定比例税费之后的结果。这类似于 FineBI 平台内部所允许的操作模式。
阅读全文
相关推荐













