Pythonデータ分析試験は独学で受かる？独学が向く人・つまずく人と今のレベル別ロードマップ

「データ分析試験って、独学でも受かりますか？スクールや講座は必要ですか？」

講師として15年、Pythonの試験対策に関わってきましたが、これは本当によくいただく質問です。

先に結論をお伝えすると、多くの人は独学で合格を狙えます。ただし「誰でも同じやり方で」ではありません。今のあなたのレベルと独学でつまずきやすいポイントを知っておくかどうかで、必要な時間がかなり変わります。

この記事では、独学が向いている人・苦労しやすい人の違いと、今のレベル別の学習ロードマップを解説します。途中に実力チェック問題も用意したので、ぜひ手を動かしながら読んでみてください😊

Contents

まず前提：データ分析試験はこういう試験です
合格率81.5%は「簡単な試験」という意味ではない
独学で合格しやすい人・苦労しやすい人
- 独学で合格しやすい人
- 苦労しやすい人
独学でつまずきやすい3つのポイント
今のレベル別・独学ロードマップ
独学で限界を感じたときの選択肢
まとめ
よくある質問

まず前提：データ分析試験はこういう試験です

studying alone laptop / Photo by Ron Lach via Pexels

問題数：40問／試験時間：60分
合格ライン：正答率70%
受験料：税込11,000円（学割5,500円）
合格率：約81.5%
主教材：「Pythonによるあたらしいデータ分析の教科書」（翔泳社）

通年CBT方式なので、準備ができたタイミングで受験日を選べます。最新の実施要項は協会公式サイト（pythonic-exam.com）をご確認ください。

合格率81.5%は「簡単な試験」という意味ではない

合格率だけを見ると「独学でも楽勝では？」と感じますよね。でも、この数字はそのまま受け取らないほうが安全です。

この試験を受ける人の多くは、すでにPythonを書いた経験があり、教材を1冊やり切ってから受験する人です。つまり81.5%は「準備をして臨んだ人たちの合格率」と考えるのが自然です。

逆に言えば、主教材を軸にきちんと準備すれば十分に届く試験だということでもあります。独学で合格できるかどうかは、才能よりも「準備の質」で決まります。

独学で合格しやすい人・苦労しやすい人

独学で合格しやすい人

Pythonの基本文法（リスト・辞書・関数・for文）が迷わず書ける
教材を読むだけでなく、コードを実際に動かして確かめる習慣がある
学習時間を週単位で確保できる

苦労しやすい人

Pythonの文法があいまいなまま、いきなりデータ分析の範囲に入ろうとしている
数学（統計・確率・線形代数）に強い苦手意識がある
わからない所で止まったとき、質問できる相手がいない

苦労しやすい側に当てはまっても、独学が無理というわけではありません。つまずくポイントが事前にわかっていれば、対策して進められます。

独学でつまずきやすい3つのポイント

① NumPyの軸（axis）と形（shape）

受講生の方を見ていて一番多いのがこれです。axis=0 と axis=1 がどちら向きの計算なのかを、なんとなくで覚えている方がとても多いんです。試しに、次のコードの出力を実行せずに答えられますか？

import numpy as np

a = np.arange(6).reshape(2, 3)
print(a)
print(a.sum(axis=0))    # ① 列ごとの合計？行ごと？
print(a.mean(axis=1))   # ② 平均の向きは？
print(a[:, 1:])         # ③ スライスの結果は？
print(a * np.array([1, 10, 100]))  # ④ ブロードキャスト

ポイントをまとめるとこんな感じです。

axis=0 は「行の方向につぶす」＝列ごとの集計（結果は [3 5 7]）
axis=1 は「列の方向につぶす」＝行ごとの集計（結果は [1. 4.]）
ブロードキャストでは、形 (3,) の配列が各行に同じように掛けられる

1つでも迷ったら、「読んだけど手に残っていない」状態かもしれません。教材のコードは必ず自分で打ち込んで、shape を表示しながら確かめるのがおすすめです。

② pandasの「似ているけど違う」操作

pandasは、loc と iloc、groupby の戻り値の形など、見た目が似ていて結果が違う操作が多いライブラリです。

import pandas as pd

df = pd.DataFrame({
    "店舗": ["A", "B", "A", "C", "B"],
    "売上": [120, 80, 150, 60, 90],
})
print(df.groupby("店舗")["売上"].sum())        # ① 店舗別の合計
print(df.loc[df["売上"] >= 90, "店舗"].tolist())  # ② 条件抽出
print(df.iloc[1:3])                              # ③ iloc の範囲は？