AI資格ドリル
資格を選ぶ

Python3エンジニア認定データ分析試験 第4章 pandas 予想問題(2/2)

第40問〜第44問を掲載しています。答えを開き、誤答選択肢との違いまで確認してください。

情報源と編集区分

公式範囲を確認し、問題文・選択肢・解説は当サイトが作成。本試験問題の複写ではありません。

試験概要(公式)
第40問 ・ 日付の範囲(date_range)

pd.date_range(start='1/1/2018', periods=8) の結果として、公式ドキュメントの例に合っているものはどれか。

  • ア2018-01-01 から 2018-01-08 までの8日分の DatetimeIndex(freq='D')
  • イ2018-01-01 から 2018-01-09 までの9日分の DatetimeIndex
  • ウ2018-01-01 から 2018-01-07 までの7日分の DatetimeIndex
  • エend が指定されていないため例外が出る
答えと解説を見る
ア2018-01-01 から 2018-01-08 までの8日分の DatetimeIndex(freq='D')正解
解説

正解は、2018-01-01 から 2018-01-08 までの8日分の DatetimeIndex(freq='D')である。公式ドキュメントによると、pd.date_range は一定の頻度の DatetimeIndex を返し、freq の既定値は 'D'(1日ごと)である。periods は作る要素の数で、start から1日ずつ8個の日付が並ぶので、最後は 2018-01-08 になる。公式の例でも、pd.date_range(start='1/1/2018', periods=8) は pd.date_range(start='1/1/2018', end='1/08/2018') と同じ8日分の結果になると示されている。9日分は始端に8日を足した日まで数えた誤り、7日分は始端を数に入れなかった誤りである。start、end、periods のうち2つを指定すればよいので、end がなくても例外にはならない。

pandas 公式ドキュメント pandas.date_range(https://pandas.pydata.org/docs/reference/api/pandas.date_range.html)

第41問 ・ SeriesとDataFrameの基本

公式ドキュメント「10 minutes to pandas」で、DataFrame の describe() が表示する統計要約の項目として挙げられていないものはどれか。

  • アcount(個数)
  • イstd(標準偏差)
  • ウ25%・50%・75% の値
  • エvar(分散)
答えと解説を見る
エvar(分散)正解
解説

挙げられていないのは、var(分散)である。公式ドキュメント「10 minutes to pandas」によると、describe() はデータの統計要約を表示し、その項目は count・mean・std・min・25%・50%・75%・max である。count(個数)と std(標準偏差)は項目に含まれ、25%・50%・75% の値も並ぶ。分散は describe() の項目としては挙げられておらず、ばらつきを示す項目は std である。同じページでは、head() で先頭の行、tail(n) で末尾の行を表示する方法もあわせて紹介されている。head() で中身を確かめたうえで describe() を使うと、各列の個数や平均、最小値と最大値を一度に見られる。

pandas 公式ドキュメント 10 minutes to pandas(https://pandas.pydata.org/docs/user_guide/10min.html)

第42問 ・ SeriesとDataFrameの基本

NumPy の配列と pandas の DataFrame の dtype(要素の型)の持ち方について、公式ドキュメントの記載に合っているものはどれか。

  • アNumPy の配列は列ごとに1つの dtype、DataFrame は全体で1つの dtype を持つ
  • イNumPy の配列も DataFrame も、全体で1つの dtype しか持てない
  • ウNumPy の配列は配列全体で1つの dtype、DataFrame は列ごとに1つの dtype を持つ
  • エNumPy の配列も DataFrame も、要素ごとに別々の dtype を持つ
答えと解説を見る
ウNumPy の配列は配列全体で1つの dtype、DataFrame は列ごとに1つの dtype を持つ正解
解説

正解は、NumPy の配列は配列全体で1つの dtype、DataFrame は列ごとに1つの dtype を持つ、という説明である。公式ドキュメントによると、NumPy の配列は配列全体で1つの dtype だが、pandas の DataFrame は列ごとに1つの dtype を持つ。そのため DataFrame では、数値の列と文字列の列を同じ表に置ける。NumPy と DataFrame の持ち方を逆にした説明や、どちらも全体で1つとする説明は公式の記載と合わない。要素ごとに別々の dtype を持つという説明も、NumPy は配列全体、DataFrame は列ごとという記載と合わない。DataFrame.to_numpy() は DataFrame 全体を保持できる dtype を探すので、型の混ざった表を変換すると共通の型として object の配列になる。

pandas 公式ドキュメント 10 minutes to pandas(https://pandas.pydata.org/docs/user_guide/10min.html)

第43問 ・ 欠損値と統計

列 A の値が上から 1.0、NaN、3.0 の3行からなる DataFrame df に対して df.mean() を実行した。列 A の結果として、公式ドキュメントの記載に沿うものはどれか。

  • ア約1.33(NaN を 0 とみなして3行で割った値)
  • イ2.0
  • ウNaN
  • エ4.0
答えと解説を見る
イ2.0正解
解説

正解は 2.0 である。公式ドキュメントによると、統計の演算は一般に欠損値を除外し、df.mean() は列ごとの平均を計算する。列 A では NaN が除外され、残りの 1.0 と 3.0 の2つの値で平均を取るので、(1.0+3.0)÷2=2.0 になる。約1.33 は NaN を 0 とみなして3行で割った値で、欠損値を除外するという説明と合わない。NaN は、欠損値が1つでもあると結果が欠損値になると考えた誤りである。4.0 は平均ではなく、欠損値を除いた2つの値の合計である。行ごとの平均を求めたいときは df.mean(axis=1) を使う。欠損値を先に埋めたいときは fillna(value=5) のように値を指定して置き換えてから計算する。

pandas 公式ドキュメント 10 minutes to pandas(https://pandas.pydata.org/docs/user_guide/10min.html)

第44問 ・ 結合とグループ化

pandas で、(1) 特定の列をキーにして2つの DataFrame を SQL 形式で結合する、(2) 2つの DataFrame を行方向に連結する、の2つの処理に使う関数の組み合わせとして、公式ドキュメントの記載に合っているものはどれか。

  • ア(1) は pd.merge()、(2) は pd.concat()
  • イ(1) は pd.concat()、(2) は pd.merge()
  • ウ(1) も (2) も groupby() で行う
  • エ(1) は pd.merge()、(2) は groupby()
答えと解説を見る
ア(1) は pd.merge()、(2) は pd.concat()正解
解説

正解は、(1) は pd.merge()、(2) は pd.concat() の組み合わせである。公式ドキュメント「10 minutes to pandas」によると、pd.concat() は pandas オブジェクトを行方向などに連結し、pd.merge() は特定の列をキーにした SQL 形式の結合を行う。2つを入れ替えた組み合わせは、関数の役割を逆にしている。groupby() は、条件でデータをグループに分割し、各グループに関数を適用し、結果を結合する手順(split-apply-combine)に使うもので、2つの表の結合や連結には使わない。キーの値が一致する行どうしを横に結ぶのが merge、表を縦に積み重ねるのが concat と覚えると取り違えにくい。merge ではキーの重なり方で結果の行数が変わる点も確認しておく。

pandas 公式ドキュメント 10 minutes to pandas(https://pandas.pydata.org/docs/user_guide/10min.html)

間違えた論点を本で読み直す(Amazon)

PR

執筆: AI資格ドリル編集部(運営者情報を見る)

章別問題ページ