Python 3データ分析試験の難易度と学習順序【2026年】

Pythonの基礎文法を学んだ後、「次にデータ分析試験へ進むべきか」「基礎試験を先に受ける必要があるか」で迷う人は多い。

Python 3 エンジニア認定データ分析試験は、Pythonによるデータ分析の方法と、NumPy、pandas、Matplotlib、scikit-learnの基礎を確認する試験である。2026年1月5日から主教材が第3版へ変更され、Pythonと主要ライブラリの前提バージョンも更新された。

結論として、条件分岐、関数、リスト・辞書、例外処理を使える人は、基礎試験を受けずにデータ分析試験へ進む選択もある。ただし、試験学習だけで分析実務は完成しない。合格後は公開データを使い、取得、品質確認、前処理、可視化、考察、再現手順まで一つの成果物へまとめたい。

この記事の要点

試験は40問・60分・合格基準7割で、一般11,000円、学割5,500円
2026年1月5日から主教材は「Pythonによるあたらしいデータ分析の教科書第3版」
前提環境はPython 3.13、NumPy 2.2、pandas 2.2、Matplotlib 3.10、scikit-learn 1.6等へ更新
Python文法が不安なら基礎学習を先にし、機械学習へ急がない
資格後は分析ノートだけでなく、データ辞書、検証記録、READMEを残す

試験制度

項目	内容
試験名	Python 3 エンジニア認定データ分析試験
方式	CBT、選択式40問、60分
合格基準	7割正解
受験料	一般11,000円（税込）、学割5,500円（税込）
主教材	Pythonによるあたらしいデータ分析の教科書第3版
有効期限	協会FAQでは設けていないと案内

出典：Pythonエンジニア育成推進協会、Odyssey CBT。制度・料金の最終確認日：2026年7月17日。

2026年改定で変わったこと

協会は、2026年1月5日から主教材を第3版へ変更した。出題範囲とレベル感は変更なしと案内されているため、学ぶ分野が全面的に入れ替わったのではなく、現在のPython環境に合わせた更新と考えられる。

対象	2026年改定後の前提	学習上の注意
Python	3.13	古い教材の構文・画面差を確認
JupyterLab	4.3	操作画面や拡張機能の差に注意
NumPy	2.2	古いAPIや警告をそのまま暗記しない
pandas	2.2	型・欠損・コピーに関する挙動を確認
Matplotlib	3.10	Figure・Axesの基本を優先
scikit-learn	1.6	前処理と評価データの分離を意識

古い教材は版と環境を確認

旧版で概念を学ぶことはできるが、これから購入する場合は第3版を基準にする。中古教材や講座を利用するときは、対応試験コードだけでなく、教材の版、Python、主要ライブラリの対応状況を確認する。

基礎試験を先に受けるか

データ分析試験へ進みやすい

関数へ引数を渡し、戻り値を使える
リスト・辞書・例外を使える
CSVを読み、簡単な集計を作ったことがある

先にPython基礎へ戻る

条件分岐・繰返しで毎回止まる
エラー文を読まずコードを貼り直す
pandas以前にファイルの場所や型で詰まる

基礎試験の受験自体は必須ではない。試験料と時間を考え、資格を二つ取得する価値があるか、基礎試験の範囲だけ学んでデータ分析試験へ進むかを決める。

Python学習の入口は、「Python 3エンジニア認定入門試験と基礎試験の違い｜未経験者はどっち？【2026年】」で比較できる。

3試験の位置付け

試験	主な範囲	向く段階	限界
基礎試験	文法、標準ライブラリ、例外、クラス等	Pythonを体系的に整理したい	分析ライブラリは深く扱わない
データ分析試験	NumPy、pandas、可視化、機械学習の基礎	表形式データの分析入口へ進みたい	分析設計や実データ対応は別途必要
データ分析実践試験	データ加工、時系列、テキスト、画像、地理空間等	基礎ライブラリ後に加工範囲を広げたい	業務経験や目的設定の代替ではない

経験別の学習期間

開始時点	期間の目安	重点
Python・pandas経験あり	3〜6週間、週5〜7時間	数学、未使用ライブラリ、試験固有範囲
Python文法は学習済み	6〜10週間、週5〜7時間	NumPy、pandas、可視化、scikit-learn
Python未経験	12〜18週間以上	文法、ファイル、JupyterLab、表データ

当ブログの学習計画例であり、合格や実務習得を保証する期間ではありません。

6週間の学習ロードマップ

週	試験学習	実務演習
1週	Python・JupyterLab・数学の前提確認	仮想環境と実行手順をREADMEへ記録
2週	NumPyの配列、型、形状、演算	同じ処理をリストと配列で比較
3週	pandasの読込、選択、欠損、結合、集計	型・欠損・重複・件数の検証表を作る
4週	MatplotlibのFigure・Axes・主要グラフ	比較・推移・分布の3図を作る
5週	scikit-learnの前処理、学習、評価	学習用・評価用データを分け、指標の意味を書く
6週	公式範囲、模擬問題、弱点復習	分析レポートと再実行手順を完成

資格後の成果物は6工程で作る

取得
出典

→

検証
型・件数

→

前処理
欠損・重複

→

可視化
比較・推移

→

説明
結論・限界

→

再現
環境・手順

データ辞書

列名、意味、型、単位、欠損、更新日、出典を整理する。

品質確認表

件数、重複、欠損、範囲、集計前後の整合を記録する。

分析レポート

問い、3図、要点、限界、追加分析を1ページへまとめる。

ノートブックは試行錯誤に便利だが、セルを順不同で実行すると再現できない場合がある。最初から最後まで再実行し、必要な前処理は関数やスクリプトへ分ける。個人情報、会社データ、認証情報を公開しない。

SQLで集計設計を練習する場合は、「SQL初心者が作る成果物3選｜SQLite・制約・EXPLAINの4週間ロードマップ」が参考になる。APIから公開データを取得する場合は、「PythonでAPIを学ぶ順番｜HTTP・JSON・認証の4週間ロードマップ」でエラー・認証・レート制限を確認したい。

相関を因果関係と断定しない

グラフや相関係数で二つの値が一緒に動いていても、一方が他方の原因とは限らない。対象期間、母数、欠損処理、外部要因、データ収集方法を確認し、分かることと分からないことを分けて書く。

まとめ

Python 3データ分析試験は、Python文法からNumPy、pandas、Matplotlib、scikit-learnへ進む入口になる。2026年改定後は第3版教材と新しい前提環境を確認し、基礎文法が不安なら先に補う。資格学習とは別に、データ辞書、品質確認、3図、考察、再実行手順を備えた成果物を完成させたい。