最近C1放出了很多OA， Capital One OA 真的沒想像中難！前兩題比較簡單，easy難度，重點是第3，4題， 一般都是medium和hard的難度 （不知道為什麼C1特別喜歡考simulation的題， 什麼給定一系列操作，問最後形態。拿了onsite得去問問面試官！），分享一套剛完成的Capital one ds OA 滿分通過，
第 1 問：基礎數據分析 + CSV 輸出
要求：讀取司機（drivers.csv）和多份行程數據（rides_1.csv ~ rides_4.csv）；做基礎數據清洗；合併與統計；將分析結果保存為 CSV 文件。
解題思路：1. 讀取司機數據，計算評分均值和掌握第二語言司機的佔比。 2. 合併四份訂單數據，計算成功狀態訂單的佔比。 3. 構造結果數據並完成保存。
第 2 問：時間特徵 + 擴展字段分析
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）。
解題思路：1. 以2023-04-15為基準，處理車輛表得到檢驗間隔天數，處理司機表算出工齡。 2. 合併四份訂單表，按司機ID分組統計總點贊數。 3. 以司機表為主表左連接車輛、訂單處理後的數據，空點贊數填0。 4. 按要求整理列順序並保存結果。
第 3 問：司機畫像 / 性能指標數據集構建
要求：給定一個已整理好的司機性能數據集、理解每個字段的業務含義、不再是“算指標”，而是需要理解題目。
解題思路：1. 僅用訓練集計算均值，填充訓練集和測試集的年齡缺失值並取整。 2. 基於訓練集做類別編碼，訓練集無的新類別統一編為-1。 3. 用訓練集的均值和標準差標準化小費淨值，訓練集和測試集共用該參數。 4. 對司機等級做固定編碼，按要求保存數據並限定小費淨值保留5位小數。
第 4 問：機器學習分類任務
要求：基於前一問清洗後的數據、訓練模型預測司機的 driver_class（0 / 1）、B 類（1）為正類、在保證 precision 不太低的前提下最大化 recall。
解題思路：1. 讀取訓練、驗證、測試數據，剔除無關的ID列。 2. 合併訓練和驗證集，分離特徵和目標變量司機等級。 3. 用帶平衡類別權重的隨機森林分類器訓練全量數據。 4. 用訓練好的模型預測測試集，按要求保存司機等級結果。
準備小結
順便說一下結果。這次 Capital one OA 我這邊是找了 programhelp 做了全程的 OA 輔助 ，大概過了一周左右，就收到了 Recruiter 發來的郵件，通知我進入下一輪 VO。回頭看這次 OA，單純靠自己硬頂的話，很可能會踩坑。如果你也在準備 C1 或其他大廠的 OA／VO，可以直接聯繫 programhelp 了解對應的面試輔助和陪跑支持。
