Python3エンジニア認定データ分析試験 学習時間の目安
Python3エンジニア認定データ分析試験の勉強時間は？経験別の目安と章別の配分
勉強時間の公式な目安は公表されていません。出題は40問中27問がNumPy・pandas・Matplotlib・scikit-learnの4つのライブラリに集まるので、時間もこの4つに厚く配るのが基本です。正答率70%は28問の正解にあたり、間違えてよいのは12問までです。
勉強時間は公式に決まった数字ではありません。ここでは、当サイトの収録問題データと試験範囲の広さをもとに、前提知識別・期間別に現実的な配分を整理します。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。
試験範囲と仕様は公式情報、勉強時間・追加時間・到達条件は当サイトの編集上の目安です。受験前には公式案内を確認してください。
前提知識別の勉強時間
Pythonでデータ分析の経験がある人
10〜20時間を目安に、4ライブラリの細かい仕様を問題形式で確認
普段使っている人でも、配列の形状（shape）の変わり方やDataFrameの選択方法のような、動かせば分かるが読んで即答しにくい論点があります。第4章の4ライブラリ（NumPy 6問・pandas 7問・Matplotlib 6問・scikit-learn 8問）を、問題を解いて抜けを洗い出します。
Python基礎試験の合格者、またはPythonの文法は分かる人
25〜40時間を目安に、第4章を中心にライブラリの使い方を手で動かして確認
公式のスキルマップでは、Pythonデータエンジニア（エントリー）やAIエンジニアの受験ステップとして、基礎試験の次にデータ分析試験が示されています。文法は分かっていても、ライブラリの名前や引数は初見になりやすいため、NumPyとpandasから順に、短いコードを実際に書いて出力を確認します。
Pythonも統計も初めての人
50時間以上を見込み、先にPythonの基礎（第2章）と数式の読み方（第3章）を固める
第2章のうちPythonの基礎の節は3問、第3章（数式・線形代数・基礎解析・確率と統計）は合わせて6問と少ないものの、第4章のコードを読む前提になります。ここを飛ばすと配列や平均・分散の意味が分からないまま暗記になり、時間が伸びやすくなります。
期間・生活リズム別の配分
1週間
経験者向けの進め方です。1〜2日目にscikit-learn（8問）とpandas（7問）、3〜4日目にNumPy（6問）とMatplotlib（6問）を解き、5日目に第1〜3章を一通り確認します。6日目は全体を通して解き、最終日は誤答した選択肢を読み直します。
2週間
前半でNumPyとpandasを手で動かして固め、後半でMatplotlibとscikit-learnを進めます。最後の3日は第1〜3章の確認と、全章を混ぜた演習に使います。
1か月
1週目にPythonの基礎と数式の読み方（第2〜3章）、2週目にNumPyとpandas、3週目にMatplotlibとscikit-learn、4週目に全章を混ぜた演習と誤答の見直しを置きます。初学者はこの配分が出発点です。
Python3エンジニア認定データ分析試験の学習に使う書籍（Amazon）
PR
自分の勉強時間を3分で見積もる
「見たことがある」ではなく、選択肢の誤りを説明できるかで判定します。未到達の項目があれば、最短時間ではなく追加学習を含む見積もりを使ってください。
| 診断項目 | 到達済みの状態 | 未到達なら |
|---|---|---|
| NumPy・pandas（13問） | 配列の形（shape）と要素の型（dtype）、DataFrameから行・列を取り出す方法の違いを、動かさずに説明できる | 説明できないなら該当ライブラリに3〜5時間を追加 |
| Matplotlib・scikit-learn（14問） | グラフの種類の使い分けと、学習用・評価用のデータ分割から学習・予測までの流れを、順に説明できる | 流れがつながらないなら章別問題を追加で解く |
| 第1〜3章（13問） | データエンジニアの役割、JupyterLabの使い方、平均・分散など基本の用語を、問題を見て判断できる | 曖昧な項目だけ1〜2時間で確認する |
学習中に時間を再見積もりする
開始前の見積もりを固定せず、診断・再回答・通し演習の実測で更新します。増減の根拠を残し、学習時間だけが増える状態を避けます。
| 時点 | 測定 | 残す証拠 | 調整 |
|---|---|---|---|
| 開始日 | NumPy・pandas・Matplotlib・scikit-learnから各5問を解き、知らなかったのか読み違えたのかを記録する。 | ライブラリごとの正解数と、知らなかった操作の数。 | 正解が少ないライブラリから先に時間を厚くする。 |
| 3日後 | 弱点のライブラリを15〜20問解き、翌日に5問再回答する。 | 同じ操作で間違えた問題の数。 | 再発するなら対応表を作り直し、新しい章へ進むのを止める。 |
| 1週間後 | 全章を混ぜて25問解き、章と原因別に集計する。 | 第1〜3章の未学習と、1問で長く止まった回数。 | 偏りがある章へ2〜3時間追加し、全体の書き直しはしない。 |
| 受験判断前 | 40問を通して解き、正答率70%に届くか確認する。 | 正解数、弱点3論点、翌日の再回答。 | 届かなければ弱点のライブラリを追加し、日程を後ろにずらす。 |
平日・休日・直前期の使い分け
- 平日
- 30〜60分で10問前後を解き、間違えた問題はコードを動かして出力を確認する。
- 休日
- 90〜120分で、NumPyの配列の形とpandasのDataFrameの扱いのように、章をまたいで紛らわしい操作を並べて確認する。
- 直前
- 新しい章を広げず、誤答した4ライブラリの操作と、第1〜3章の用語の確認に絞る。
時間を使っても伸びにくいパターン
×第5章（応用）に時間を割かない
公式の章別出題数では、第5章の応用（データ収集と加工）は0問です。本試験対策としては、第1〜4章の配分を先に固めます。
×ライブラリの操作を読むだけで済ませない
NumPy・pandas・Matplotlib・scikit-learnは、読むだけでは操作の違いが定着しにくい範囲です。短いコードを自分で動かして出力を確認する時間を、学習時間の中に別に確保します。
予定から遅れたときの削減順
遅れを取り戻すために復習を削ると、同じ誤答を再発します。追加の深掘りを先に減らし、再回答・弱点章・通し演習を残します。
| 状況 | 減らす | 残す |
|---|---|---|
| 予定より3時間以上遅れた | 第1〜3章の深掘りを減らす。 | NumPy・pandas・Matplotlib・scikit-learnの演習は残す。 |
| 平日学習を2日できなかった | 週末の新しい問題数を減らし、教材の通読を止める。 | 誤答の再回答と、4ライブラリの短い診断は残す。 |
| 直前に弱点が4つ以上残る | 出題数の少ない章の確認を止める。 | scikit-learnとpandasの誤答の見直しを優先する。 |
勉強した時間ではなく、残す成果物
読んだ時間だけを進捗にせず、次の成果物を残して完了条件まで確認します。
- 1
4ライブラリの操作の対応表を作る
NumPyの配列とpandasのDataFrameで、同じ「取り出す・集計する」操作がどう違うかを、短いコードで動かして書き並べます。
完了条件: コードを見ずに結果を言えれば完了
- 2
誤答を知らなかった論点と読み違えに分ける
間違えた問題を、操作や用語を知らなかったものと、コードを読み違えたものに分けて記録します。
完了条件: 誤答理由ごとに次の対策を1文で言えれば完了
- 3
28問正解を目安に通しで解く
40問を通して解き、正解が28問（正答率70%）に届くか確認します。
完了条件: 28問以上正解し、弱点の章を3つ以内に言えれば完了
当サイトの問題で時間配分を確認する
AI資格ドリルでは、Python3エンジニア認定データ分析試験の予想問題を83問収録しています。 勉強時間の見積もりは、全体の正解率だけでなく、どの分野で時間がかかるかを見て調整します。
よくある質問
Q1週間でも間に合う？
Pythonでデータ分析をしている人なら可能性はあります。その場合も、出題数の多い4ライブラリを問題で確認する進め方が必要です。初学者は1か月以上を見込むほうが現実的です。
Q勉強時間を増やしても伸びないときは？
教材を読む時間を増やすより、誤答した操作を実際に動かして出力を確認します。操作の違いが言えるようになると、点数は伸びやすくなります。
試験仕様は一般社団法人Pythonエンジニア育成推進協会の公式ページ（pythonic-exam.com）を確認してください。勉強時間の公式な目安は公表されておらず、ここに書いた時間は当サイトの編集上の目安です。
執筆: AI資格ドリル編集部（運営者情報を見る）