「Python 3 エンジニア認定データ分析試験に合格したいけれど、何から手をつければいいか分からない」——このロードマップは、そんな方が最短で合格ラインに届くための学習手順を、フェーズ別・週次でまとめたものです。プログラミング未経験からでも進められるよう、前提知識から教材・スケジュール・よくある疑問まで一気に解説します。まず全体像をつかんでから、問題集（全120問）で実力を固めていきましょう。
※本記事は公式の出題範囲・主教材にもとづく学習ガイドです。受験料や範囲は変更される可能性があるため、最終確認は必ず公式サイトで行ってください。
試験の概要
Python 3 エンジニア認定データ分析試験は、一般社団法人Pythonエンジニア育成推進協会が実施する、Pythonを使ったデータ分析の基礎を問う認定試験です。40問すべて選択式・合格ライン70%・通年CBTで受験できます。受験料は11,000円（税込）、学割なら5,500円（税込）です。最大の特徴は、配点の約7割がライブラリ実践（NumPy・pandas・Matplotlib・scikit-learn）に集中する点。ここを制することが合格の鍵です。
| 項目 | 内容 |
|---|---|
| 試験名 | Python 3 エンジニア認定データ分析試験 （英名：Python 3 Certified Data Analyst Examination） |
| 実施団体 | 一般社団法人Pythonエンジニア育成推進協会 |
| 出題数 | 40問（すべて選択式） |
| 試験時間 | 60分 |
| 合格ライン | 正答率70％（40問中28問） |
| 受験料 | 11,000円（税込）／学割 5,500円（税込） |
| 試験方式 | CBT（全国のオデッセイコミュニケーションズ テストセンター） |
| 実施日 | 通年（希望日時を予約して受験） |
| 主教材 | 翔泳社『Pythonによるあたらしいデータ分析の教科書 第2版』 |
受験対象者と前提知識
この試験は、データ分析の入口に立つ人に最適です。具体的には次のような方が対象になります。
- これからデータ分析・機械学習を学びたいエンジニアや学生
- 業務でExcelは使うが、Pythonでの分析に踏み出したい社会人
- G検定などAIの知識系資格に加えて、実装スキルの裏づけが欲しい方
前提知識は必須ではありませんが、Pythonの基本文法（変数・リスト・辞書・for文・関数）に一度触れておくと、主教材がスムーズに読めます。数学は高校レベルの知識があれば十分で、線形代数や統計も「意味が分かる」程度で対応できます。
合格までの学習ロードマップ（約8週間・目安60〜80時間）
フェーズ1：Python基礎と環境構築（1〜2週目）
まずは学習環境を整えます。Anaconda等でPythonをインストールし、JupyterLabで対話的にコードを動かせるようにしましょう。並行して、変数・リスト・辞書・スライス・内包表記・関数といった基本文法をひと通り復習します。ここで「コードを書いて動かす」感覚をつかんでおくと、後半のライブラリ学習が一気に楽になります。
フェーズ2：数学の基礎とNumPy・pandas（3〜5週目）
主教材の数学章（線形代数・基礎解析・確率統計）を、暗記ではなく「何のための概念か」を意識して読みます。続いて配点の高いNumPyとpandasに入ります。NumPyは配列の生成・形状変更・スライス・ブロードキャスト・集計を、pandasはDataFrameの選択・条件抽出・欠損処理・groupby集計を、手を動かしながら体得します。この2ライブラリだけで本試験の約3割強を占めるため、最も時間を割くべき区間です。
フェーズ3：Matplotlib・scikit-learnと総仕上げ（6〜8週目）
可視化のMatplotlib（各グラフの描画・軸ラベル・凡例）と、機械学習のscikit-learn（fit/predictの流れ・前処理・評価指標）を学びます。scikit-learnは単独で配点20%と最大なので、モデルの種類と評価指標を確実に。仕上げに認定スクールの無料模擬試験と当サイトの問題集120問を繰り返し、7割を安定して超えられる状態にして本番に臨みます。
分野別の難易度と学習優先度
| 分野 | 配点 | 難易度 | 優先度 |
|---|---|---|---|
| scikit-learn | 20% | ★★★ | 最優先 |
| pandas | 17.5% | ★★☆ | 最優先 |
| NumPy | 15% | ★★☆ | 高 |
| Matplotlib | 15% | ★☆☆ | 高 |
| 数学の基礎 | 15% | ★★☆ | 中 |
| Pythonと環境 | 12.5% | ★☆☆ | 中 |
| データエンジニアの役割 | 5% | ★☆☆ | 低 |
合格に必要なスキルセット
- Python基本文法：リスト・辞書・スライス・内包表記・関数を読み書きできる
- NumPy：多次元配列の生成・形状変更・ブロードキャスト・集計
- pandas：DataFrameの選択・条件抽出・欠損処理・groupby集計・CSV入出力
- Matplotlib：折れ線・散布図・棒・ヒストグラムの描画と装飾
- scikit-learn：fit/predictの流れ・前処理（標準化）・主要モデル・評価指標
- 数学の基礎：ベクトル・行列・微分・平均/分散/標準偏差・確率の意味理解
おすすめの学習リソース
学習の中心は主教材の1冊です。最新の第3版は本試験の主教材に指定され、Python 3.13と各ライブラリの最新版に対応しています。まずこれを軸に据え、認定スクール（プライム・ストラテジー、ビープラウド、ダイビック）が無料公開する模擬試験で理解度を確認するのが王道です。
Pythonによるあたらしいデータ分析の教科書 第3版（翔泳社）
本試験の主教材。試験範囲に沿ってNumPy・pandas・Matplotlib・scikit-learnと数学の基礎を体系的に学べます。
📚 Amazonで見るよくある質問（FAQ）
Q1. プログラミング未経験でも合格できますか？
A. 可能です。ただし、いきなり主教材に入ると数学やライブラリで躓きやすいので、先にPythonの入門書や無料教材で基本文法に触れておくことをおすすめします。本ロードマップのフェーズ1がその準備にあたります。
Q2. 学習期間の目安はどのくらいですか？
A. Python経験がある方で1〜1.5か月、未経験の方で2〜3か月が目安です。1日1〜1.5時間で合計60〜80時間ほどを見込むとよいでしょう。
Q3. 数学はどこまで必要ですか？
A. 高校レベルで十分です。線形代数（ベクトル・行列）や統計（平均・分散・標準偏差）は「計算そのもの」より「意味の理解」が問われます。難しい証明は不要です。
Q4. 基礎試験とデータ分析試験、どちらを先に受けるべきですか？
A. Python文法に自信がなければ基礎試験から入ると土台が固まります。すでに基本文法が分かるなら、データ分析試験に直接挑戦しても問題ありません。
Q5. 過去問は公開されていますか？
A. 公式の過去問は公開されていません。そのため、認定スクールの無料模擬試験や、本サイトの問題集120問のような演習でアウトプットを積むことが重要になります。
Q6. 独学でも合格できますか？
A. できます。主教材＋模擬試験＋問題集という独学の型が確立しており、スクールに通わずに合格している人が多数います。
この資格を取得するメリット
Python 3 エンジニア認定データ分析試験の価値は、単なる「資格の肩書き」にとどまりません。第一に、学習の過程でNumPy・pandas・Matplotlib・scikit-learnという実務でそのまま使うライブラリを体系的に身につけられます。これらはデータ分析・機械学習の現場で日常的に使われる道具であり、資格勉強がそのまま実務スキルの獲得につながります。第二に、この試験は経済産業省のITスキル標準（ITSS）やDX推進スキル標準（DSS-P）にレベル1として掲載されており、学習の到達度を客観的に示せる点も強みです。第三に、厚生労働省の一般教育訓練給付の指定講座対象にもなっており、対象講座で学べば受講費用の一部が支給される場合があります。データサイエンスやAIの分野へキャリアを広げたい人にとって、費用対効果の高い最初の一歩といえるでしょう。
基礎試験との違いと受験の順番
Pythonエンジニア認定試験には、大きく「基礎試験」と「データ分析試験」があります。基礎試験はPythonの文法や標準ライブラリの理解を問う、いわば言語そのものの試験です。一方のデータ分析試験は、Pythonを道具として使い、NumPyやpandasによる数値処理・データ加工・機械学習の基礎を問います。プログラミングそのものに不安がある方は基礎試験から入ると、文法の土台が固まり、データ分析試験の学習がスムーズになります。すでにPythonの基本文法を一通り書ける方なら、データ分析試験に直接挑戦しても問題ありません。両方を取得すれば「Pythonを書ける」「Pythonで分析できる」の両面を証明でき、履歴書での説得力が一段と増します。
つまずきやすいポイントと対策
独学で挫折しやすいポイントは、あらかじめ知っておくだけで乗り越えやすくなります。特に多いのが次の3つです。
- NumPyのブロードキャストと軸(axis)：配列同士の演算や集計で「なぜこの形になるのか」が分かりにくい場面です。小さな配列を実際に作り、
shapeを確認しながら手を動かすと腹落ちします。 - pandasのlocとilocの混同：ラベル指定(loc)と位置指定(iloc)の違いは頻出の混乱ポイントです。「locはラベル、ilocは整数」と一言で覚え、両方を実際に書いて挙動を比べましょう。
- scikit-learnの評価指標の使い分け：分類なら正解率・適合率・再現率、回帰ならMSE・決定係数と、タスクによって見る指標が変わります。混同行列を一度自分で描くと、指標の意味が一気につながります。
いずれも「読むだけ」では定着しません。JupyterLab上で小さなデータを作って実行し、結果を目で確かめる——この地道な反復が、遠回りに見えて最短の対策になります。分からない問題は放置せず、問題集の解説や主教材の該当ページに必ず戻る習慣をつけましょう。
申し込み方法と試験当日の流れ
試験はオデッセイ コミュニケーションズのCBTテストセンターで、通年いつでも受験できます。公式サイトから申し込み、全国のテストセンターで希望日時を予約する流れです。当日はパソコン上で40問の選択問題に解答し、その場で合否結果が分かります。試験時間は60分で、時間配分に大きく困ることは少ないですが、迷った問題は後回しにして確実に取れる問題から解くのがコツです。筆記用具やメモの持ち込みは禁止されているため、暗算やコードの読み取りは日頃の演習で慣れておきましょう。合格すれば認定証が発行され、名刺や履歴書、SNSのプロフィールなどでスキルの証明として活用できます。
社会人向け：スキマ時間での学習スケジュール例
まとまった時間が取れない社会人でも、1日1〜1.5時間を積み重ねれば十分に合格を狙えます。おすすめは「平日はインプット、休日はアウトプット」のリズムです。平日の朝や通勤時間には主教材を読み進めて概念を頭に入れ、夜の30分でその日読んだ範囲をJupyterLabで実際に動かして確認します。手を動かす時間を必ずセットにするのが、知識を定着させる最大のポイントです。休日には、平日に学んだ範囲を問題集や認定スクールの無料模擬試験で解き、間違えた問題だけをノートにまとめます。この「間違いノート」が、試験直前の最強の復習教材になります。学習の後半では、模擬試験を時間を計って本番同様に解き、60分で40問を解ききる感覚を身につけておくと安心です。
大切なのは、完璧を目指しすぎないことです。合格ラインは70%であり、満点は必要ありません。配点の低い分野に時間をかけすぎるより、NumPy・pandas・scikit-learnという高配点の分野を確実に得点できる状態を作るほうが、合格への近道になります。苦手分野が残っても、全体で7割を超えられればよいと割り切り、得意分野を伸ばす戦略も有効です。
まとめ
ここまで学習手順を見てきましたが、ポイントはシンプルです。土台となるPython基礎と数学をざっと押さえ、あとは高配点のライブラリ4種をひたすら手を動かして演習する——これだけで合格は現実的な目標になります。焦らず一歩ずつ進めていきましょう。
Python 3 エンジニア認定データ分析試験は、ライブラリ実践（NumPy・pandas・Matplotlib・scikit-learn）に約7割が集中する、実務直結の資格です。数学とPython基礎で土台を作り、この4ライブラリを繰り返し演習すれば、未経験からでも十分に合格が狙えます。全体像がつかめたら、さっそく問題集（全120問）で手を動かしていきましょう。
データ分析の学びを“資格”にもつなげたい方へ
Python×データ分析の学習は、DS検定（データサイエンティスト検定）にもそのまま活かせます。独学に不安があれば、アガルートのDS検定対策講座（税込27,280円）で体系的に対策する選択肢もあります。
アガルートのDS検定講座を見る →
