Python3エンジニア認定データ分析試験 問題一覧

データ分析の現場で分析エンジニアが担う役割、機械学習・統計・BIの位置づけ、分析プロジェクトの進め方と、実行環境の構築を扱う。具体的にはvenvやpipによるパッケージ管理、Anaconda／condaとの違い、JupyterLab（ノートブック、セル実行、マジックコマンド、ヘルプの引き方）、そしてPython文法の基礎（リスト・辞書・内包表記・関数・例外処理・標準ライブラリ）。公式の出題範囲では1章が2問、2章が5問の計7問・17.5%を占め、暗記量の割に取りやすい領域。つまずきやすいのは環境構築の細部と、内包表記や正規表現など普段書き慣れない文法まわり。

教科書3章にあたり、シグマ記号や添字といった数式表記の読み方、線形代数（ベクトルと行列の積、単位行列、逆行列、行列式）、基礎解析（微分・積分、偏微分、関数の傾き）、確率と統計（確率の基本、期待値、平均・分散・標準偏差、正規分布、相関係数）を扱う。公式の出題範囲では合計6問・15%。複雑な計算を解かせるより、用語と定義が結びついているか、式が何を表すか読めるかを問う設問が中心。つまずきどころは行列積が成立する次元の条件と、分散・標準偏差・共分散・相関係数の関係、そして微分が機械学習の最適化にどうつながるかの理解。

多次元配列ndarrayの生成と操作を扱う。array／arange／linspace／zeros／ones、reshapeとresizeの違い、スライスとインデックス参照、ブールインデックスとファンシーインデックス、連結（concatenate・vstack・hstack）と分割、転置、次元追加。さらにブロードキャストの規則、ユニバーサル関数、sum／mean／max／argmaxなどの集約とaxis指定、乱数、内積と行列積まで。公式の出題範囲では6問・15%。つまずきどころは、スライスがコピーではなく参照であること、axis=0と1の方向の取り違え、ブロードキャストが成立する形状の条件。

SeriesとDataFrameの構造、CSVの読み込みと書き出し、行・列の抽出（loc・ilocとスライス、条件抽出）、列の追加・削除・並べ替え、欠損値の扱い（isnull・dropna・fillna）、データの結合（concat・merge・join）、groupbyによるグループ集計、時系列データとdate_range、統計量の要約を扱う。公式の出題範囲では7問・17.5%で、scikit-learnの8問に次ぐ分量。つまずきどころは、locがラベル・ilocが位置という使い分けとスライス終端が含まれるかの違い、mergeのhow指定（inner／outer／left／right）で結果件数が変わる点。

グラフ描画の基本を扱う。pyplotインターフェースと、FigureとAxesを明示するオブジェクト指向スタイルの2通りの書き方、subplotsによる複数グラフの配置、折れ線・棒・散布図・ヒストグラム・円グラフの描き分け、タイトル・軸ラベル・凡例・目盛りの設定、スタイルと色の指定、画像ファイルへの保存。pandasと組み合わせた描画も範囲に含まれる。公式の出題範囲では6問・15%。つまずきどころは、plt.〜の関数名とax.〜のメソッド名が微妙に異なる点（titleとset_title、xlabelとset_xlabelなど）で、2つの書き方が混ざると選択肢を読み違えやすい。

scikit-learnの前半。前処理として欠損値の補完、カテゴリ変数のエンコーディング、特徴量の正規化・標準化、学習データとテストデータの分割を扱う。分類では決定木（不純度と情報利得）、サポートベクタマシン（マージン最大化、カーネル）、ランダムフォレスト、回帰では線形回帰と重回帰。fit・predict・transformという共通APIの型を押さえるのが要点。公式の出題範囲では4-4 scikit-learnが⑦と合わせて8問・20%で節単位の最大。つまずきどころは、学習データにだけfitしテストデータはtransformする順序と、崩したときに起きるデータリーク。

scikit-learnの後半。主成分分析による次元削減と寄与率、モデル評価としての混同行列、適合率・再現率・F値・正解率、ROC曲線とAUCの読み方、交差検証とハイパーパラメータ探索（グリッドサーチ）を扱う。教師なし学習ではk-means（クラスタ数の決め方、エルボー法）と階層的クラスタリング（デンドログラム）。公式の出題範囲では⑥と合わせて8問・20%。つまずきどころは、適合率と再現率がそれぞれ何を見ている指標かの取り違えと、不均衡データで正解率だけを見ると評価を誤ること。混同行列の4区分から各指標を自力で導けるようにしておきたい。

教科書5章にあたる応用範囲で、スクレイピングやAPIによるデータ収集、PDF・Word・Excelなど各種ファイルからのテキスト抽出、自然言語処理の前処理（形態素解析、Bag of Words、TF-IDF）、画像データの取り扱いといった実務寄りの内容を扱う。公式の出題範囲表ではこの章の問題数は0問・0%とされており、合否に直結する領域ではない。一方で、集めたデータをpandasに載せるまでの流れを知っておくと、前半で学ぶ処理が何のためのものかがつながる。試験対策としての優先度は下げてよいが、実務でPythonを使うなら出番の多い領域。