Python3エンジニア認定データ分析試験用語集

Python3エンジニア認定データ分析試験でよく問われる重要用語を、短い定義つきでまとめました。各用語は出題分野（問題と完全解説）にリンクしています。

よくある質問

3件

現在10語を4分野に分けて収録しています。

気になる用語をクリックすると、定義や関連する分野の解説ページへ移動できます。演習中に迷った用語をその場で確認する使い方もできます。

各資格の公式シラバス・公式試験要項の範囲内で作成しています。

分野から用語を探す4分野

用語を読んだあと、同じ分野の問題で理解を確認できます。分野を選ぶとその分野の問題だけが出ます。

ndarray: NumPyの多次元配列オブジェクト。同じ型・同じ大きさの要素を入れる入れ物で、次元数と要素数は shape で決まり、要素の型は配列ごとに1つ対応づけられる dtype で指定される。インデックス指定やスライスで中身を読み書きできる。
shape: NumPy配列の各次元の大きさを表す、0以上の整数N個のタプル。配列の次元数と要素数は shape で決まる。公式の例では、2行3列の配列 x の x.shape は (2, 3) になる。
dtype: NumPy配列の要素の型を指定するデータ型オブジェクト。ndarray ごとに1つ対応づけられる。公式の例では、np.int32 を指定して作った配列の dtype は dtype('int32') になる。
ブロードキャスト: 形の違う配列どうしを算術演算するときの NumPy の扱い方。一定の制約のもとで、小さい方の配列が大きい方の配列に合わせて「ブロードキャスト」され、互換性のある形になる。ループが Python ではなく C で回る形に置き換えられ、無駄なデータのコピーも作られない。一方で、メモリを非効率に使って計算が遅くなる場合もあると公式は注意している。

Series: pandas の1次元のラベル付き配列。整数・文字列・浮動小数点数・Pythonオブジェクトなど任意の型のデータを持てる。軸のラベルをまとめて index と呼ぶ。pd.Series(data, index=index) で作り、data には辞書、ndarray、スカラー値などを渡せる。
DataFrame: pandas の2次元のラベル付きデータ構造。列ごとに異なる型のデータを持てる。公式は、スプレッドシートや SQL のテーブルのようなものと考えてよいと説明している。

トランスフォーマー（transform）: scikit-learn で前処理を担う部品。前処理や変換用のオブジェクトは、推定器（estimator）と同じ API に従い、同じ BaseEstimator を継承する。ただし predict メソッドは持たず、変換した新しい標本行列 X を出力する transform メソッドを持つ。
推定器（estimator）: scikit-learn が備える、組み込みの機械学習アルゴリズムやモデルの呼び名。各推定器は fit メソッドでデータに適合させる。適合したあとは、predict メソッドで新しいデータの目的変数を予測でき、再び学習し直す必要はない。

Figure と Axes: Matplotlib の可視化は、Figure の上に配置された Artist として見えている。公式の例では、add_subplot が Figure に Axes という Artist を追加している。複雑な図では Figure に複数の Axes、カラーバー、凡例、注釈を加えられ、Axes にも ax.plot や ax.imshow のように複数の Artist を加えられる。
Artist: Matplotlib で図として見えているもののほぼすべてを指す部品。Figure の上に配置されて見えている。Axes も Artist の一つで、Axes にも ax.plot や ax.imshow のように複数の Artist を加えられる。

執筆: AI資格ドリル編集部（運営者情報を見る）