Pythonデータ分析実践試験出題傾向や学習のポイントとテクニカルハイライト

Slide 1

Slide 1 text

Slide 2

Slide 2 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 自己紹介寺田学 (Manabu TERADA) ● Pythonエンジニア ● Podcast 「terapyon channel」(https://podcast.terapyon.net) ● 主な関連書籍（共著・監修・監訳） ○ Pythonデータ分析実践ハンドブック（2023年，インプレス，共著） ○ Pythonによるあたらしいデータ分析の教科書第2版（2022年，翔泳社，共著） ○ Python実践レシピ（2022年，技術評論社，共著） ○ Python FlaskによるWebアプリ開発入門物体検知アプリ&機械学習APIの作り方（2022年，翔泳社，監修）

Slide 3

Slide 3 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 所属組織 ● 一般社団法人Pythonエンジニア育成推進協会顧問理事 ● 一般社団法人PyCon JP Association理事 ● Python Asia Organization Founder and Board member ● 株式会社 CMSコミュニケーションズ代表取締役 ● Python Software Foundation Fellow ● Plone Foundation Ambassador

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. スキルマップ表 (2024年度版) 試験グレード難易度（職種： ITSSレベル） Pythonエンジニア AIエンジニア Pythonデータエンジニアデータアナリスト実践レベルエキスパート職種：ソフトウェアディベロップメント、応用ソフトのレベル2（申請中）実践試験データ分析実践試験基礎レベルエントリー職種：ソフトウェアディベロップメント、応用ソフトのレベル1 基礎試験データ分析試験参考: ナレッジレベル – Python Zen & PEP 8 検定 Python Zen & PEP 8検定

Slide 7

Slide 7 text

Slide 8

Slide 8 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 出題範囲章タイトル問題数問題割合備考 1章データ加工概論 2 5.0% 2章データの種類と読み込み 7 17.5% 3章表形式データの加工 6 15.0% 4章数値データの扱い 4 10.0% 5章データの評価 8 20.0% 6章時系列データの処理 4 10.0% 7章テキスト情報の処理 2 5.0% 8章画像データの処理 2 5.0% 9章グラフデータの処理 3 7.5% pyvisは除く、 9-2 実践的なグラフデータの解析を除く 10章地理空間データの処理 2 5.0% 11章データ加工のための線形代数 0 0.0%

Slide 9

Slide 9 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 出題範囲(基礎パート ) 章タイトル問題数問題割合備考 1章データ加工概論 2 5.0% 2章データの種類と読み込み 7 17.5% 3章表形式データの加工 6 15.0% 4章数値データの扱い 4 10.0% 5章データの評価 8 20.0% 6章時系列データの処理 4 10.0% 7章テキスト情報の処理 2 5.0% 8章画像データの処理 2 5.0% 9章グラフデータの処理 3 7.5% pyvisは除く、 9-2 実践的なグラフデータの解析を除く 10章地理空間データの処理 2 5.0% 11章データ加工のための線形代数 0 0.0%

Slide 10

Slide 10 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 基礎パート ● 9問出題 (22.5%) ● 「データ加工概論」は、主教材を読んで答えられる内容 ● 「データの種類と読み込み」は、ざまざまなデータを扱う ● CSV ● Excel ● JSON ● HTML ● XML ● 文書データ ● 画像データ ● 音声データ ● RDBデータ ● pickle形式 ● parquet形式これらはのデータを読み込んでデータ分析できるようにするこれらはのデータは永続化データやデータの受け渡しでよく利用されている

Slide 11

Slide 11 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 基礎パートの学習のポイント ● 「データの種類と読み込み」を、手に馴染むようにする ● 普段扱っていないデータがあれば、不得意な部分を克服 ● 取りこぼししないように、網羅的に学習 ● CSV ● Excel ● JSON ● HTML ● XML ● 文書データ ● 画像データ ● 音声データ ● RDBデータ ● pickle形式 ● parquet形式

Slide 12

Slide 12 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 出題範囲(重要パート ) 章タイトル問題数問題割合備考 1章データ加工概論 2 5.0% 2章データの種類と読み込み 7 17.5% 3章表形式データの加工 6 15.0% 4章数値データの扱い 4 10.0% 5章データの評価 8 20.0% 6章時系列データの処理 4 10.0% 7章テキスト情報の処理 2 5.0% 8章画像データの処理 2 5.0% 9章グラフデータの処理 3 7.5% pyvisは除く、 9-2 実践的なグラフデータの解析を除く 10章地理空間データの処理 2 5.0% 11章データ加工のための線形代数 0 0.0%

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 重要パート - 数値データの扱い ● NumPyの構造や機能を問われる ● NumPyの機能を意識的に使っているかを問う ○ 配列の構造とブロードキャスト ○ 数値データの型 ● 数値を扱う時、大量のデータの処理などで使う技術を知る ● 使い方を覚えるというより、仕組みを知ることが重要

Slide 16

Slide 16 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 重要パート - データの評価 ● この試験のなかで最も出題数が多い章 ● 「定量的評価」と「定性的評価」を理解する ● 「可視化」を用いた分布の確認をできるように ● 「外れ値・異常値」「欠損値」「重複値」の処理を理解する ● 実践でデータ分析を行う上での重要な概念となっている ● 考え方はもちろんのこと、実際に評価ができるようになる ● 多くの実データに触れ、評価を適切にできるようになる

Slide 17

Slide 17 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 出題範囲(各種データパート ) 章タイトル問題数問題割合備考 1章データ加工概論 2 5.0% 2章データの種類と読み込み 7 17.5% 3章表形式データの加工 6 15.0% 4章数値データの扱い 4 10.0% 5章データの評価 8 20.0% 6章時系列データの処理 4 10.0% 7章テキスト情報の処理 2 5.0% 8章画像データの処理 2 5.0% 9章グラフデータの処理 3 7.5% pyvisは除く、 9-2 実践的なグラフデータの解析を除く 10章地理空間データの処理 2 5.0% 11章データ加工のための線形代数 0 0.0%

Slide 18

Slide 18 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 各種データパート ● 13問出題 (32.5%) ● 実践している分野によっては普段扱わないデータ ● 幅広くデータを扱え、分析の幅を広げてほしい ● 時系列データ ● テキスト情報 ● 画像データ ● グラフデータ ● 地理空間データこれらはのデータはさまざまな場面で登場してくるこれらはのデータは専門性がた高い

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. 出題範囲 (再掲) 章タイトル問題数問題割合備考 1章データ加工概論 2 5.0% 2章データの種類と読み込み 7 17.5% 3章表形式データの加工 6 15.0% 4章数値データの扱い 4 10.0% 5章データの評価 8 20.0% 6章時系列データの処理 4 10.0% 7章テキスト情報の処理 2 5.0% 8章画像データの処理 2 5.0% 9章グラフデータの処理 3 7.5% pyvisは除く、 9-2 実践的なグラフデータの解析を除く 10章地理空間データの処理 2 5.0% 11章データ加工のための線形代数 0 0.0% 基礎重要各種データ

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. pandasのDataFrameの連結・結合 - 2 ● 結合方法 ○ 内部結合: inner ○ 外部結合: outer ○ 左外部結合: left ○ 右外部結合: right ● join()メソッド or merge()関数 ○ インデックスで結合する: join()メソッド ○ 列をキーに結合する: merge()関数

Slide 25

Slide 25 text

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

Slide 29

Slide 29 text

Slide 30

Slide 30 text

Slide 31

Slide 31 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. NumPyのデータ型をなぜ意識するのか - 2 ● NumPyは、データの量だけメモリを確保する ● int8 と int64 はメモリ量が8倍違う ● ﬂoatでも考え方は同様 ● intの場合 ○ 最大値を意識してデータ型を決める ● ﬂoatの場合 ○ 分解能を意識してデータ型を決める ● 複素数型は、存在をしている程度とし、必要になったら使い方を学べばよい

Slide 32

Slide 32 text

Slide 33

Slide 33 text

Slide 34

Slide 34 text

Slide 35

Slide 35 text

Slide 36

Slide 36 text

Slide 37

Slide 37 text

Slide 38

Slide 38 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. データ分析実践試験 - 例題1 ● CSV形式について誤っているものを記述の中から選択せよ ● 選択肢 ○ pandasを使うとCSVをDataFrameに変換できる ○ Pythonの標準ライブラリにCSVを読み込む機能がある ○ CSVファイルの文字エンコーディングShift_JISの場合、事前にUTF-8に変換する必要がある ○ CSV形式はカンマ区切りのテキストファイルであるが、タブ区切りのファイルを扱う方法がある

Slide 39

Slide 39 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. データ分析実践試験 - 例題1 (解答) ● CSV形式について誤っているものを記述の中から選択せよ ● 選択肢 ○ pandasを使うとCSVをDataFrameに変換できる ○ Pythonの標準ライブラリにCSVを読み込む機能がある ○ CSVファイルの文字エンコーディングShift_JISの場合、事前にUTF-8に変換する必要がある ○ CSV形式はカンマ区切りのテキストファイルであるが、タブ区切りのファイルを扱う方法がある

Slide 40

Slide 40 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. データ分析実践試験 - 例題2 ● 次のコードを実行した出力として、正しいものを次の記述の中から選択せよ。 df = pd.concat([ pd.DataFrame({"a": [10, 20], "b": [100, 200]}), pd.DataFrame({"a": [30, 40], "c": [30, 400]}), ], ignore_index=True, axis=1 )

Slide 41

Slide 41 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. データ分析実践試験 - 例題2 ● 選択肢1 a b c 0 10 100.0 NaN 1 20 200.0 NaN 2 30 NaN 30.0 3 40 NaN 400.0 ● 選択肢2 0 1 2 3 0 10 100 30 30 1 20 200 40 400 ● 選択肢3 a b c 0 10 100.0 NaN 1 20 200.0 NaN 0 30 NaN 30.0 1 40 NaN 400.0 ● 選択肢4 a_1 b a_2 c 0 10 100 30 30 1 20 200 40 400

Slide 42

Slide 42 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. データ分析実践試験 - 例題2 (解答) ● 次のコードを実行した出力として、正しいものを次の記述の中から選択せよ。 df = pd.concat([ pd.DataFrame({"a": [10, 20], "b": [100, 200]}), pd.DataFrame({"a": [30, 40], "c": [30, 400]}), ], ignore_index=True, axis=1 ) ● 選択肢2 0 1 2 3 0 10 100 30 30 1 20 200 40 400

Slide 43

Slide 43 text

copyright © 2025 一般社団法人Pythonエンジニア育成推進協会 all rights reserved. データ分析実践試験 - 例題3 ● データを定量的に評価する方法として、最も適切なものを記述の中から選択せよ ● 選択肢 ○ 箱ひげ図やヒストグラムに可視化する ○ 正規分布に従うかどうかを確認する ○ 折れ線グラフに可視化する ○ SeriesやDataFrameのdescribe()メソッドを使う

Slide 44

Slide 44 text

Slide 45

Slide 45 text