Python3エンジニア認定データ分析試験の記事一覧（53本）
受験判断・学習・直前対策に分けて並べています。
7本
受験を判断する
まず、受ける理由と難しさを整理したい人へ。
試験概要最初に読むPython3エンジニア認定データ分析試験はどんな試験？試験方式、出題範囲、公式情報の確認先を最初にまとめてつかむ。取得する意味迷ったらPython3エンジニア認定データ分析試験を取る意味はある？向いている人と、急いで取らなくてもよい人を分けて判断する。申込方法どこで申し込み、受験料と学割はいくら？オデッセイIDの登録、会場への申込、受験料11,000円と学割5,500円、変更・キャンセル不可、3回目以降の再受験の間隔を公式情報で確認する。合否と合格証合否はいつ分かり、オープンバッジはいつ届く？試験直後に分かる合否、試験結果レポートの合格者番号、受験月の翌々月10日までに届くオープンバッジ、合格者番号の照会手順を公式情報で確認する。持ち込み禁止物電卓・時計・筆記用具は持ち込める？オデッセイの公式案内で、持込禁止物、ログインと本人確認、不正行為の範囲、違反時の処置を確認する。教科書主教材の第2版と旧版はどちらで学ぶ？協会の認定教材ページで、主教材の版と対応する試験の時期、教科書のコードが動かないときの扱い、参考図書と無料の模擬試験を確認する。要点整理scikit-learn・pandas・NumPy・Matplotlibの要点と紛らわしい違いは？章別の出題数と、出題数の多い4つのライブラリの要点、viewとcopy・locとiloc・*と@などの違いを公式ドキュメントで確認する。
1本
学習を進める
自分の生活に合わせて、学び方と期間を選ぶ。
3本
受験直前・復習
弱点を見つけ、試験日までに整える。
7本
資格を比較する
試験の目的・方式・範囲を並べ、先に受ける資格を決める。
資格比較最初に読むPython3基礎試験と実践試験の違い（受験料・教材）Python3エンジニア認定基礎試験（40問・60分、正答率70%、受験料1万円・税別）と実践試験（40問・75分、正答率70%、1万2千円・税別）の違いを、主教材、出題範囲の配分、受験料、2026年12月1日の教材変更、受ける順番まで公式情報で比べます。資格比較Python3データ分析試験とデータ分析実践試験の違い（受験料）Python3エンジニア認定データ分析試験（40問、正答率70%、受験料1万円・税別）とデータ分析実践試験（40問・75分、正答率70%、1万2千円・税別）の違いを、主教材、出題範囲の配分、受験料、受験の順番まで公式情報で比べます。資格比較統計検定2級とPython3データ分析試験の違い（出題範囲・受験料）統計検定2級（35問程度・90分、100点満点で60点以上、一般7,000円税込）とPython3エンジニア認定データ分析試験（40問、正答率70%、1万円・税別）の違いを、出題範囲、数学の扱い、電卓と統計数値表、受験料から比べます。統計の考え方を固めたい人とライブラリの使い方を固めたい人の選び方も整理します。資格比較DS検定とPython3データ分析試験の違い（出題範囲・受験料）DS検定（100問・100分、一般10,000円税抜）とPython3エンジニア認定データ分析試験（40問、正答率70%、1万円・税別）の違いを、出題範囲、合格ラインの公表、受験日の決まり方、受験料から比べます。データ活用の知識を幅広く確かめたい人とライブラリの使い方を確かめたい人の選び方も整理します。資格比較G検定とPython3データ分析試験の違い（出題範囲・受験料）G検定（オンライン100分・145問程度、一般13,200円税込）とPython3エンジニア認定データ分析試験（40問、正答率70%、1万円・税別）の違いを、出題範囲、合格ラインの公表、受験の方法、受験料から比較します。資格比較生成AIパスポートとPython3データ分析試験の違い（出題範囲・受験料）生成AIパスポート（60分・60問、一般11,000円税込）とPython3エンジニア認定データ分析試験（40問、正答率70%、1万円・税別）の違いを、出題範囲、合格ラインの公表、受験の方法、受験料から比較します。資格比較Python3エンジニア認定基礎試験とデータ分析試験の違い（出題範囲・主教材・受験の順番）Python3エンジニア認定基礎試験（文法基礎・60分・40問）とデータ分析試験（NumPy・pandasなど4つのライブラリ・40問）の違いを、主教材、章ごとの出題数、受験料、公式の受験ステップで整理。どちらから受けるかの判断手順と確認問題つき。
35本
混同しやすい概念を整理する
似た用語を、判断手順つきで区別する。
loc比較最初に読むlocとilocの違い｜ラベルで選ぶか、位置で選ぶか（Python3データ分析）pandasのlocとilocの違いを、選び方（ラベルか整数の位置か）とスライスの終点の扱いで整理します。pandas公式ドキュメントの記述、出力を読む例、
KeyErrorとIndexErrorの違い、確認問題つき。merge比較mergeとconcatの違い｜キーで結合するか、そのまま連結するか（Python3データ分析）pandasのmerge()とconcat()の違いを、結合の基準（キー列か、並べて連結か）で整理します。pandas公式「10 minutes to pandas」の例、キーが重複したときの行数、確認問題つき。dropna比較dropnaとfillnaの違い｜欠損値の行を削除するか、値で埋めるか（Python3データ分析）pandasのdropna()とfillna()の違いを、欠損値の扱い（行を削除するか、指定の値で埋めるか）で整理します。pandas公式「10 minutes to pandas」の4行の例で、結果の行数と埋まる値を追い、確認問題つき。Series比較SeriesとDataFrameの違い｜1次元のラベル付き配列か、行と列の表か（Python3データ分析）pandasのSeriesとDataFrameの違いを、次元（1次元か2次元か）と作り方で整理します。pandas公式「10 minutes to pandas」の例で、リストから作るSeries、列を選ぶとSeriesになる点を確認。確認問題つき。Axes比較AxesとAxisの違い｜描画領域のAxesと、目盛りを担うAxis（Python3データ分析のMatplotlib）Matplotlibの Axes と Axis の違いを、役割・個数・ラベルや目盛りの設定先で整理します。公式のQuick start guideで照合した、plt.subplots(2, 2) のとき何個になるかを数える例と確認問題つき。OOスタイル比較OOスタイルとpyplotスタイルの違い｜Axesを明示するか任せるか（Python3データ分析）Matplotlibのオブジェクト指向（OO）スタイルとpyplotスタイルの違いを、Figure・Axesの作り方、ラベル設定の書き方、公式の推奨で整理します。公式のQuick start guideで照合した、同じ図を2通りで書く例と確認問題つき。NumPyのreshape比較NumPyのreshapeとresizeの違い｜形を変えた配列を返すか、配列そのものを変えるか（Python3データ分析）NumPyのreshape関数とndarray.resizeメソッドの違いを、戻り値、元の配列が変わるか、次元に-1を指定したときの動きで整理します。NumPy公式のQuickstartで照合した、3行4列を2行6列にする例と確認問題つき。NumPyのビュー比較NumPyのビューとコピーの違い｜スライスは元の配列と共有、copyは共有しない（Python3データ分析）NumPyのビュー（view）とコピー（copy）の違いを、データの共有、base属性、スライス、deep copyの動きで整理します。NumPy公式のQuickstartで照合した、スライスへの代入で元の配列が変わる例と確認問題つき。NumPy配列比較NumPy配列とPythonのリストの違い｜演算子・要素の型・スライスの結果で比較（Python3データ分析）NumPyのndarrayとPythonのリストの違いを、要素の型、+ と * の意味、比較演算、スライスの結果（ビューか新しいリストか）で整理します。NumPy公式Quickstartとpython.org公式ドキュメントで照合した例と確認問題つき。scikit-learnの変換器比較scikit-learnの変換器と推定器の違い｜transformとpredictの使い分け（Python3データ分析）scikit-learnの変換器（StandardScalerなど）と推定器（RandomForestClassifierなど）の違いを、transformとpredict、出力、Pipelineでの並びで整理します。scikit-learn公式Getting Startedで照合した例と確認問題つき。fit_transform比較fit_transformとtransformの違い｜テストデータにfitしない理由（Python3データ分析）scikit-learnのfit_transformとtransformの違いを、学習用とテスト用の使い分け、データリーク、Pipelineで整理します。scikit-learn公式で照合した例と確認問題つき。astype比較astypeとto_numericの違い｜変換できない値の扱いとerrors（pandas・Python3データ分析）pandasのastypeとto_numericの違いを、変換できる型、変換できない文字列の扱い（errors='coerce'）、downcastで整理します。pandas公式で照合した例と確認問題つき。StandardScaler比較StandardScalerとMinMaxScalerの違い｜平均0・分散1と0〜1の範囲（scikit-learn）scikit-learnのStandardScalerとMinMaxScalerの違いを、変換の式、変換後の値の範囲、外れ値の影響、新しいデータの扱いで整理します。scikit-learn公式の例で照合した確認問題つき。get_dummies比較get_dummiesとOneHotEncoderの違い｜pandasとscikit-learnのワンホット変換pandasのget_dummiesとscikit-learnのOneHotEncoderの違いを、変換する対象、欠損値、未知のカテゴリの扱い、出力の型で整理します。公式の例で照合した確認問題つき。GridSearchCV比較GridSearchCVとRandomizedSearchCVの違い｜全探索とランダム探索（Python3データ分析）scikit-learnのGridSearchCVとRandomizedSearchCVの違いを、探索の方法、試す回数、パラメータの渡し方、再現性で整理します。公式の説明で照合した確認問題つき。predict比較predictとpredict_probaの違い｜クラスのラベルと確率（Python3データ分析）scikit-learnの分類器のpredictとpredict_probaの違いを、返す値、配列の形、列の並び順、decision_functionとの関係で整理します。LogisticRegressionの公式の例で照合した確認問題つき。np.dot比較np.dotとnp.matmul（@）の違い｜スカラーの扱いと3次元以上の配列の結果（Python3データ分析）NumPyのnp.dotとnp.matmul（@演算子）の違いを、スカラーの扱い、3次元以上の配列の結果の形、2次元配列での推奨で整理します。NumPy公式リファレンスの例で照合した、結果の形が変わる例と確認問題つき。np.linalg.inv比較np.linalg.invとnp.linalg.solveの違い｜逆行列を返すか、連立方程式の解を返すか（Python3データ分析）NumPyのnp.linalg.inv（逆行列）とnp.linalg.solve（連立方程式の解）の違いを、渡す引数、戻り値、LinAlgErrorが出る条件で整理します。NumPy公式リファレンスの例で照合した、x0+2x1=1の計算例と確認問題つき。np.arange比較np.arangeとnp.linspaceの違い｜刻み幅で指定するか、点の数で指定するか（Python3データ分析）NumPyのnp.arange（刻み幅を指定）とnp.linspace（要素の数を指定）の違いを、終点を含むか、小数の刻みでの要素数、戻り値の型で整理します。NumPy公式リファレンスとQuickstartの例で照合した、arange(3, 7, 2)とlinspace(2.0, 3.0, num=5)の結果つきです。np.mean比較np.meanとnp.averageの違い｜重みを付けられるのはどちらか（Python3データ分析）NumPyのnp.mean（算術平均）とnp.average（加重平均）の違いを、weights引数、returned引数、重みの合計が0のときの動きで整理します。NumPy公式リファレンスの例で照合した、np.average(np.arange(1, 11), weights=np.arange(10, 0, -1))が4.0になる計算つきです。np.std比較np.stdとpandasのstdの違い｜ddofの既定値は0と1（Python3データ分析）NumPyのnp.stdとpandasのSeries.std・DataFrame.stdで、同じデータなのに標準偏差が違って見える理由を、ddofの既定値（NumPyは0、pandasは1）で整理します。pandas公式の例のpd.Series([1, 2, 3])が1.0と0.816496580927726になる計算つきです。np.concatenate比較np.concatenateとnp.stackの違い｜既存の軸につなぐか、新しい軸を作るか（Python3データ分析）NumPyのnp.concatenate（既存の軸に沿って結合）とnp.stack（新しい軸に沿って結合）の違いを、結果の次元数、入力の形の条件、axis引数の意味で整理します。NumPy公式リファレンスの例のnp.stack((a, b))が2行3列になる計算つきです。np.ravel比較np.ravelとflattenの違い｜必要なときだけコピーするか、常にコピーを返すか（Python3データ分析）NumPyのnp.ravel（コピーは必要なときだけ）とndarray.flatten（常にコピーを返す）の違いを、戻り値、order引数、元の配列への影響で整理します。NumPy公式リファレンスの例のnp.ravel(x, order='F')が[1, 4, 2, 5, 3, 6]になる計算つきです。np.zeros比較np.zerosとnp.emptyの違い｜0で埋めるか、初期化しないか（Python3データ分析）NumPyのnp.zeros（0で埋めた配列）とnp.empty（初期化しない配列）の違いを、中身の値、速度、使いどころで整理します。NumPy公式リファレンスの例のnp.zeros(s)（s=(2, 2)）が2行2列の0になる一方、np.empty([2, 2])の中身は不定になる点つきです。np.sort比較np.sortとnp.argsortの違い｜並べ替えた値か、並べ替える順番の添字か（Python3データ分析）NumPyのnp.sort（並べ替えた配列のコピー）とnp.argsort（並べ替える順番を表す添字の配列）の違いを、返り値、元の配列との関係、使いどころで整理します。NumPy公式リファレンスの例のx = np.array([3, 1, 2])でnp.argsort(x)がarray([1, 2, 0])になる点つきです。DataFrame.pivot比較DataFrame.pivotとpivot_tableの違い｜集計しない組み替えか、集計つきの表か（Python3データ分析）pandasのpivot（集計せずに表の形を組み替える）とpivot_table（集計して表にする）の違いを、重複する組み合わせの扱い、aggfunc、使いどころで整理します。pandas公式リファレンスの例で、同じindexとcolumnsの組が重複するとpivotがValueErrorになる点つきです。Series.map比較Series.mapとapplyの違い｜dictで置き換えるか、関数や引数つきで処理するか（Python3データ分析）pandasのSeries.map（dictやSeriesによる置き換え、na_action）とSeries.apply（関数やNumPyのufunc、args）の違いを、dictにない値の扱い、欠損値の扱い、戻り値で整理します。pandas公式リファレンスの例で、dictにないキーがNaNになる点つきです。groupbyのagg比較groupbyのaggとtransformの違い｜グループごとに1行へまとめるか、元と同じ行数で返すか（Python3データ分析）pandasのgroupbyで使うaggregate（agg。グループごとの要約値）とtransform（元と同じindexの結果）の違いを、行数、index、使いどころで整理します。pandas公式ユーザーガイドの例で、animalsのgroupby("kind").sum()がcatとdogの2行になり、cumsum()が元の5行のままになる点つきです。sort_values比較sort_valuesとsort_indexの違い｜列の値で並べるか、行のラベルで並べるか（Python3データ分析）pandasのsort_values（列などの値で並べ替え）とsort_index（行や列のラベルで並べ替え）の違いを、並べる基準、by引数、欠損値の扱いで整理します。pandas公式リファレンスの例で、col1の値で並べるとNaNが末尾になり、indexで並べると1・29・100・150・234の順になる点つきです。np.where比較np.whereとnp.selectの違い｜2択で値を選ぶか、複数の条件から選ぶか（Python3データ分析）NumPyのnp.where（条件が真ならx、偽ならy）とnp.select（条件のリストと選択肢のリストから選ぶ）の違いを、条件の数、default、複数の条件が真のときの扱いで整理します。NumPy公式リファレンスの例で、np.selectの結果が0・-1・-2・42・16・25になる点つきです。train_test_splitのrandom_stateを固定する場合比較train_test_splitのrandom_stateを固定する場合と指定しない場合の違い（再現性）train_test_splitのrandom_stateに整数を渡す場合と、指定しない場合の違いを、再現性・shuffleとの関係・公式例の出力で解説。Python3エンジニア認定データ分析試験の公式例にあるrandom_state=0の意味と確認問題つきです。NumPyのaxis=0比較NumPyのaxis=0とaxis=1の違い｜列ごとの集計と行ごとの集計（Python3データ分析試験）NumPyのaxis=0は列ごと、axis=1は行ごとに計算します。3行4列の配列でsum・min・cumsumの結果を並べ、pandasのmean(axis=1)との対応、間違えやすい点と確認問題をまとめます。plt.figure()比較plt.figure()とplt.subplots()の違い｜Axesの有無（Python3データ分析）plt.figure()はAxesのない空のFigure、plt.subplots()はAxes付きのFigureを作ります。plt.subplots(2, 2)の格子、subplot_mosaicとの違い、戻り値の受け取り方を、Matplotlib公式のQuick start guideで照合してまとめます。ColumnTransformerのremainder='drop'比較ColumnTransformerのremainder='drop'と'passthrough'の違い（Python3データ分析）ColumnTransformerのremainderは既定で'drop'（指定しなかった列を捨てる）、'passthrough'にすると変換せず出力の右側に残します。3列のデータで出力の列数を比べ、scikit-learn公式文書で照合してまとめます。Pipeline比較Pipelineとmake_pipelineの違い（Python3データ分析）scikit-learnのPipelineは(名前, 推定器)のタプルで工程に名前を付け、make_pipelineは推定器だけを渡して名前を型の小文字で自動に付けます。StandardScalerとSVCを例に、両者の書き方と名前の違いを公式文書で照合してまとめます。Python3エンジニア認定データ分析試験は記事を増やしている途中です。記事より先に、 全83問の予想問題と全問の解説、用語集、過去問の公開状況が揃っています。 解きながら分からない語を用語集へ戻す進め方なら、記事の本数を待たずに始められます。
執筆: AI資格ドリル編集部（運営者情報を見る）