最近C1放出了很多OA， Capital One OA 真的没想象中难！前两题比较简单，easy难度，重点是第3，4题， 一般都是medium和hard的难度 （不知道为什么C1特别喜欢考simulation的题， 什么给定一系列操作，问最后形态。拿了onsite得去问问面试官！），分享一套刚完成的Capital one ds OA 满分通过，
第 1 问：基础数据分析 + CSV 输出
要求：读取司机（drivers.csv）和多份行程数据（rides_1.csv ~ rides_4.csv）；做基础数据清洗；合并与统计；将分析结果保存为 CSV 文件。
解题思路：1. 读取司机数据，计算评分均值和掌握第二语言司机的占比。 2. 合并四份订单数据，计算成功状态订单的占比。 3. 构造结果数据并完成保存。
第 2 问：时间特征 + 扩展字段分析
要求：数据时间点固定为2023-04-15、在 drivers.csv 中引入更多字段（如 started_driving_year）、基于“今天”计算时间衍生特征（如驾龄）。
解题思路：1. 以2023-04-15为基准，处理车辆表得到检验间隔天数，处理司机表算出工龄。 2. 合并四份订单表，按司机ID分组统计总点赞数。 3. 以司机表为主表左连接车辆、订单处理后的数据，空点赞数填0。 4. 按要求整理列顺序并保存结果。
第 3 问：司机画像 / 性能指标数据集构建
要求：给定一个已整理好的司机性能数据集、理解每个字段的业务含义、不再是“算指标”，而是需要理解题目。
解题思路：1. 仅用训练集计算均值，填充训练集和测试集的年龄缺失值并取整。 2. 基于训练集做类别编码，训练集无的新类别统一编为-1。 3. 用训练集的均值和标准差标准化小费净值，训练集和测试集共用该参数。 4. 对司机等级做固定编码，按要求保存数据并限定小费净值保留5位小数。
第 4 问：机器学习分类任务
要求：基于前一问清洗后的数据、训练模型预测司机的 driver_class（0 / 1）、B 类（1）为正类、在保证 precision 不太低的前提下最大化 recall。
解题思路：1. 读取训练、验证、测试数据，剔除无关的ID列。 2. 合并训练和验证集，分离特征和目标变量司机等级。 3. 用带平衡类别权重的随机森林分类器训练全量数据。 4. 用训练好的模型预测测试集，按要求保存司机等级结果。
准备小结
顺便说一下结果。这次 Capital one OA 我这边是找了 programhelp 做了全程的 OA 辅助 ，大概过了一周左右，就收到了 Recruiter 发来的邮件，通知我进入下一轮 VO。回头看这次 OA，单纯靠自己硬顶的话，很可能会踩坑。如果你也在准备 C1 或其他大厂的 OA／VO，可以直接联系 programhelp 了解对应的面试辅助和陪跑支持。
