Pythonの文法を学んだ後、仕事の集計やデータ分析に進みたい人へ向けて、データ分析試験の準備をまとめました。2026年の教材改定を確認したうえで、前処理、可視化、機械学習をどう練習し、取得後の成果物へつなげるかを解説します。
公式情報確認日：2026年9月20日。
Pythonデータ分析試験の内容と2026年の変更点
Pythonデータ分析試験は、文法の知識を使ってデータを扱う方法を学びたい人向けの試験です。基礎試験との違いと教材の改定を確認し、今の理解度に合う準備から始めましょう。
| NumPy | 配列と数値計算の基礎 |
|---|---|
| pandas | 表データの選択・整形・集計 |
| 確認すること | 型、形、件数、欠損の扱い |
| Matplotlib | データの可視化 |
|---|---|
| scikit-learn | 機械学習の基礎と評価 |
| 確認すること | 軸と単位、学習と評価の分離 |
40問・60分の選択式で、分析の基礎と方法を問う
Python 3 エンジニア認定データ分析試験は、Pythonエンジニア育成推進協会が主催し、オデッセイの試験会場で受験する民間試験です。40問の選択問題を60分で解き、合格基準は7割正解です。自宅で自由に受ける試験や、分析レポートを提出して審査される試験ではありません。Pythonの基礎に加え、数学と分析用ライブラリを使う考え方を確認します。資格名にデータ分析とあるからといって、合格だけで業務上の分析をすべて任せられる能力が証明されるわけではありません。
基礎試験と本試験は、主催団体の案内ではともにITSSの対象分野でレベル1に掲載されています。基礎試験の上位レベルと一律に説明するより、文法中心か、分析の基礎・方法中心かという違いで選ぶのが適切です。Python基礎試験の記事で扱う条件分岐、関数、リストなどがまだ難しい場合は、先に文法を補いましょう。既に短い処理を書ける人は、データの読み込みや集計を試し、次に必要な知識を確かめるところから始められます。
2026年1月から主教材は第3版に変更された
2026年1月5日から、主教材は翔泳社の『Pythonによるあたらしいデータ分析の教科書 第3版』に変更されています。改定告知ではPython 3.13、JupyterLab 4.3、NumPy 2.2、pandas 2.2、Matplotlib 3.10、scikit-learn 1.6への対応が示されています。旧版の本や動画を持っている場合は、受験時点の環境と説明が一致するかを確認してください。古い操作例が動かないとき、文法の理解不足だけでなく、バージョンの違いが原因になっている可能性もあります。
主催団体は、この改定で出題範囲とレベル感は変更しないと案内しています。ただし、それは旧版の動作や説明を無条件にそのまま使えるという意味ではありません。学習環境は教材の案内に合わせ、使用したPythonと各ライブラリのバージョンを記録しておくと、疑問を調べるときに役立ちます。複数の本の手順を混ぜて環境を変えるより、まず一つの教材で例を再現できる状態を整えましょう。教材の正誤表や改定案内も確認し、動かなかった箇所はエラーの内容と実行条件を残してください。
難しさは数学・データ処理・モデル評価に分けて判断する
出題範囲には、数学の基礎と、NumPy、pandas、Matplotlib、scikit-learnによる分析が含まれます。NumPyは15％、pandasは17.5％、Matplotlibは15％、scikit-learnは20％と案内されており、ライブラリ名だけを知っていても十分とはいえません。最初にサンプルを動かし、配列の形、表の行と列、図の軸、学習と評価の違いを説明できるか確かめましょう。止まる箇所が数学なのか、Pythonの書き方なのかを分けると、復習先を選びやすくなります。
合格基準の7割は合格率ではありません。また、旧版の時期に公表された受験者の集計を、そのまま2026年改定後の合格率と呼ぶことはできません。数字だけで難易度を決めず、模擬問題で間違えた理由を具体的に記録してください。数式の記号が読めないなら数学の章へ、集計結果が予想と違うならデータの型や条件へ戻ります。経験のある人でも、普段使わない可視化や機械学習の範囲に穴がある場合があります。得意な集計だけを繰り返さず、公式の範囲と照らして不足を埋めましょう。
出典：オデッセイ・試験概要／主催団体・2026年1月の改定告知／主催団体・試験の位置付け
Pythonデータ分析の学習を一つのデータで進める手順
ライブラリごとの操作を覚えたら、読み込みから結果の説明までを一つの練習でつなげます。ここでは架空の売上データを例に、処理の正しさと分析の意味を確かめる進め方を紹介します。
読み込みと前処理では、元データを先に確認する
練習用に、日付、商品名、個数、単価を持つ小さな架空のCSVを用意します。読み込んだらすぐにグラフを作るのではなく、行数、列名、データ型、欠損値、重複を確認してください。日付が文字列のままなのか、数値の列に空欄があるのかによって、その後の処理は変わります。空欄をすべてゼロへ置き換えると、未入力と売上ゼロを区別できなくなることがあります。処理の前に、その列が何を表し、欠けている値をどう扱うかを言葉で決めましょう。
次に、欠損や不正な値を一つずつ含めた入力例を作り、想定した結果になるかを確認します。除外した行がある場合は、その件数と理由を残し、元データを変更せずにやり直せるようにします。NumPyの配列とpandasの表では、操作する軸やラベルの扱いにも注意が必要です。教材の関数名を覚えるだけでなく、処理前後の形と件数を表示して比較してください。前処理の結果を説明できるようになると、後で数値が合わなかったときに、集計より前のどこを調べればよいか判断しやすくなります。
集計と可視化では、答えたい問いを一つ決める
データが整ったら、「商品ごとの売上はどれくらい違うか」など、答えたい問いを一つに絞ります。個数と単価から売上を求め、商品別に集計した後、元の数行を手で計算して一致するか確かめてください。最初から大量のデータを扱うと、誤りがあっても見逃しやすくなります。期間や対象商品の条件を変えた場合も、どの行を含めた集計か説明できるようにしましょう。平均だけで比較すると件数の差を見落とす場合があるため、必要に応じて合計と件数も併記します。
Matplotlibで図を作るときは、軸の意味、単位、対象期間を明示します。図が表示されたことだけを完成とせず、比較したい違いが読み取れるかを確認してください。見た目を強くするために軸を切ったり、異なる条件の数値を同じものとして並べたりしないことも大切です。結果の説明には、分かったことと、データだけでは分からないことを分けて書きます。例えば売上の差が見えても、その原因が宣伝だと即断することはできません。処理と解釈を分ける練習は、試験の知識を仕事で使う土台になります。
機械学習では、学習用データと評価用データを分ける
scikit-learnを使う練習では、モデルを動かす前に、何を入力として何を予測するかを決めます。学習したデータそのもので高い成績が出ても、新しいデータに対して同じように使えるとは限りません。学習用と評価用を分け、それぞれの役割を説明できるようにしてください。前処理の計算に評価用データの情報を混ぜてしまうと、実際より良い結果に見える場合があります。処理の順番を確認し、どの段階でどのデータを参照するかを図やメモに残すと理解しやすくなります。
分類と回帰では目的が異なり、使う評価指標も変わります。指標の数値が大きいか小さいかだけで判断せず、何を測っているのかを教材で確認しましょう。最初は複雑なモデルを増やすより、単純な方法と比べて改善しているか、条件を変えるとどうなるかを確かめます。エラーが出た場合は入力の形や型を調べ、出力だけを都合よく選ばないようにします。模擬問題の復習でも、関数名の暗記に加えて、なぜその手順が必要なのかを説明すると、別のデータを使った練習にも応用しやすくなります。
学習の参考：pandas公式入門／scikit-learn公式・前処理とデータ漏洩の注意点。上記の架空データによる課題は、本記事の練習例です。
データ分析試験の教材選び・受験・活用FAQ
学習方法は、理解できない箇所と、受験後にやりたい作業から選ぶと整理しやすくなります。申し込みの条件も確認し、資格取得を小さな分析実践へつなげましょう。
独学と講座は、どのように選べばよいですか？
独学と講座は、どのように選べばよいですか？
独学なら、第3版の主教材と認定模擬問題を使い、説明を読んでコードを再現できるかを確かめます。数学の記号だけが難しい場合は、その部分を補う教材を使えば進められることもあります。一方、環境構築やエラーの原因で長く止まるなら、質問できる支援が必要かもしれません。教材を追加する前に、何が分からず、どこまで試したかを記録してください。自分で説明できる形に整理すると、調べる際も質問する際も必要な情報を伝えやすくなります。
講座を比較するときは、このデータ分析試験への対応と、第3版・改定後の環境への対応を確認します。一般的なPython入門講座や、別のデータ分析実践試験向け講座とは内容が異なるので、名前だけで購入しないようにしてください。質問の回数、回答対象、演習環境、受講期限も確認します。IT資格の独学と講座の選び方も参考に、自分で進められる部分と支援が必要な部分を分けると、費用をかける目的がはっきりします。
受験料と申し込み、再受験の条件は？
受験料と申し込み、再受験の条件は？
受験料は税込で一般11,000円、学割5,500円です。全国のオデッセイCBT試験会場から受験先を選び、会場へ直接申し込みます。申込方法や支払期限は会場によって異なり、オデッセイIDの登録だけでは座席の予約になりません。受験前にIDとパスワードを確認し、当日に必要な写真付き身分証明書などを準備してください。学割を使う場合は対象条件と証明書を事前に確認します。主催団体が案内する職業訓練受講者への対象拡大についても、必要書類は申込先へ確認しておくと安心です。
同一科目の2回目の受験には待機期間の制限がなく、3回目以降は前回の終了時刻から次回の開始時刻まで168時間を空ける必要があります。受け直す際は、予約可能日だけでなく、この間隔を満たすかを確認してください。試験結果は終了直後に判定されますが、次の申し込みを急ぐ前に、教材や模擬問題で弱い範囲を見直しましょう。試験会場や変更条件を別の資格試験の仕組みと混同せず、公式の科目ページと会場の案内に沿って手続きすることが大切です。
合格後、転職で説明できる分析成果はどう作りますか？
合格後、転職で説明できる分析成果はどう作りますか？
合格後は、架空の売上データや利用条件を確認した公開データを使い、一つの問いに答える分析ノートを作ります。目的、データの説明、前処理、集計や図、分かったこと、限界の順にまとめてください。コードと図だけを並べるより、なぜその処理を選んだかを説明できることが重要です。例えば月別比較なら、営業日数や欠損の扱いが比較に影響しないかを確認します。分析結果から言えることを限定し、データにない理由や事業効果まで作り上げないようにしましょう。
他の人が同じ条件で実行できるよう、ライブラリのバージョン、入力ファイルの形式、実行順序も残します。会社の機密情報や個人情報を作品として公開せず、練習用データに置き換えてください。応募時には、資格合格、個人の分析練習、実務経験を分けて説明します。IT転職の準備も参考に、求人で求められる作業と自分が実行した内容を照合しましょう。資格があるだけで分析職への転職や副業の受注が決まるわけではありませんが、考え方と検証手順が伝わる成果物は、自分の学習内容を具体的に示す材料になります。
受験条件の出典：オデッセイ・料金、申込方法、再受験規定／主催団体・学割の追加案内
