**Pythonは、今もっとも注目を集める人気のプログラミング言語の一つであり、読み方は「パイソン」です。**文法が平易で、プログラミング初心者でも比較的習得しやすいことや、今話題のAI関連の開発で利用されていることが注目を集める理由です。

この記事は、Pythonに興味を持った方、これからPythonを学んでみようというエンジニアに向けたPython入門編となっています。Pythonの人気の秘密を探りながら、エンジニアとして知っておきたいことを中心に解説していきます。

### Pythonは人気のプログラミング言語

ソフトウェアの品質評価や追跡を行うオランダの「TIOBE Software」が発表している通称「TIOBEインデックス2024年12月版」によれば、**プログラミング言語の検索数ランキングではPythonが1位に位置しています。**

【参考】：[TIOBE Index for December 2024](https://www.tiobe.com/tiobe-index/)

【16種類】プログラミング言語の一覧を種類別に紹介！難易度や選び方も解説

Pythonの歴史は意外に古く、**1990年にオランダのグイド・ヴァン・ロッサム氏によって創り出され、1991年にリリースされました。**

グイド・ヴァン・ロッサム氏は、自身が参加していた分散システムプロジェクトで既存プログラミング言語を用いた開発がうまく進まなかったため、シンプルで使いやすい言語としてPythonを自ら作り出しました。

Pythonという名前は、開発者のグイド氏が好んで観ていた英国のコメディ番組『空飛ぶモンティ・パイソン（Monty Python's Flying Circus）』がその由来です。

実際、Pythonで何ができるのでしょうか。ここではPythonで作れるものやできることの代表的な具体例を3つ紹介します。

Pythonは、Webアプリケーション開発でよく活用されています。例えば、皆さんが日常的に利用している**YouTube・Instagram・DropBoxなどは主にPythonによって作られています。**

最新のWebアプリ開発でPythonが多く利用される理由としては、読み書きがしやすいこと、少ないコードの記述で開発できる効率の良さ、さらにはC言語との相性が良い点などが挙げられます。他にも、ゲームアプリやデスクトップアプリの開発などでも活用されています。

PythonでのWebアプリ開発で使うフレームワークを解説！

**AI開発分野における機械学習や深層学習（ディープラーニング）でも使用されています。**機械学習とは、コンピューターに大量データを読み込ませてデータを分析させたあと、コンピューターに新しいデータの分析や予測を行わせる技術です。

また、ディープラーニングは人間の指示を待たずにコンピューター自らが学習し、その性能を高めていく手法を指します。多くの機械学習向けライブラリが用意され、機械学習や深層学習のモデルを簡単に作成できるPythonがよく使用されています。

Pythonを機械学習に活かそう！できることやおすすめ本を紹介

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

統計処理・数値計算などを得意とするPythonは、**データ処理系の豊富なライブラリを持っており、データ解析処理にもよく利用されています。**

例えば、顧客の潜在ニーズや市場分析に活用されるテキストマイニング技術、パソコン・スマホに搭載されている画像認識技術などがその一例です。

**Pythonは上記のような業務だけでなく、身近な趣味でも活用できます。**写真が趣味の人であれば自動編集のライブラリを使い、撮り貯めた画像を圧縮したりトリミングしたりして簡単に整理できます。

また、SNSや動画サイトに自作の音楽や動画を投稿する際も、サビだけを抽出したり音楽に合わせて絵を動かしたりと、Pythonを活用することでよりクオリティを高められます。

Pythonでできることは？初心者が作れるものや実用例を紹介

Pythonでできることは？仕事で活かせる職種や将来性を解説

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

Pythonの人気の秘密に迫る前に、Pythonの特徴について確認しておきましょう。

コンピューターは基本的に「0」と「1」しか認識しません。コンピューターに何かを指示する時には、この「0」と「1」の組み合わせによる命令を与えます。これをマシン語と呼び、初期のコンピューターではこのマシン語を使って動作命令を行っていました。

しかし、マシン語を人が習得するのは大変な困難を伴うため、人がより簡単に理解することができるプログラミング言語が編み出されました。このプログラミング言語を「高級言語」と呼びます。

ただ、高級言語でコンピューターに指示を与えてもコンピューターは理解できません。これをコンピューターが理解できるマシン語に翻訳する必要があります。この翻訳のことを「コンパイル」と呼びます。

汎用機でよく使われる「COBOL」などは、必ずコンパイルを通じてプログラムを動かしています。Java・C#・C++なども同じく、コンパイルを通してから利用するため、コンパイル言語と呼ばれています。

一方、**Python・JavaScript・PHP・Ruby・Perlなどのプログラミング言語は、あらかじめコンパイルを行うのではなく、その場でコンパイルしながら動作する方式を採用しています。**このような言語を「インタープリター言語」と呼びます。

Javaとは？人気プログラミング言語Javaの将来性やメリットについて解説

C#とは？できることや作れるもの、使い方、勉強方法も解説！

JavaScriptの特徴とは？何ができるのか、メリット・デメリットも解説

PHPとは？基本知識からメリット・デメリットまでわかりやすく解説

Pythonの特徴の1つとして「シンプルさ」が挙げられます。プログラミング言語には特定の意味でしか使うことのできない「予約語」が定められていますが、**Pythonにはこの予約語が35しかないため、非常に覚えやすいです。**

例えば、比較的シンプルな言語だと言われるPHPでも予約語は80もあります。他の言語と比較すると、Pythonのシンプルさがよく分かります。

このように、シンプルさに重点を置いて作られた言語をスクリプト言語と称します。Pythonはスクリプト言語の代表と言っても過言ではないでしょう。

オブジェクト指向言語としてはJavaが有名ですが、Pythonもオブジェクト指向言語です。**オブジェクト指向では、プログラムを「モノ」として捉えます。**扱うモノの属性や動作をあらかじめ定義しておき、それを操作するという考え方でプログラミングを行います。

プログラムそのものが「モノ」として分類されているので、複数人で同時にプログラムを開発する場合でも作業効率が良く、ソースコードの再利用や、機能追加・修正も容易に行える点が強みです。

オブジェクト指向型言語の一覧を紹介！基礎やメリットも解説！

人気の高いPythonも万能ではありません。ここではPythonのデメリットを解説していきます。これらのデメリットを踏まえて、Pythonが不向きな分野もあるという点を理解しておきましょう。

### 実行スピードにやや難がある

Pythonの難点としては、実行スピードがやや遅いことが挙げられます。Pythonはインタープリター型言語のため、どうしてもJavaなどのコンパイラ型言語よりは実行スピードが遅くなります。*スピードを要求されるゲーム開発や、企業の基幹システムのような大規模システムの開発には不向きです。*

Pythonでコードを記述する際は、行頭に空白を入れて字下げを行うインデントが必要です。Pythonは同じ数の空白でインデントされたコードを、一つのまとまりとして認識しています。

*見た目にも階層構造が明確になり、わかりやすいという利点はあるものの、インデントがずれるとエラーが起こってしまうため注意が必要です。*

いくつかのデメリットがあるPythonですが、それ以上に多くのメリットがあります。Pythonの人気の秘密である、Pythonのメリット（強み）について見ていきましょう。

最近話題の言語のPythonは何がすごい？メリット・得意分野を解説！

### 言語がシンプルで初心者でも覚えやすい

**Pythonには文法が必要最低限しか設けられておらず、予約語もJavaの半分以下の35と、シンプルな言語であることが特徴です。**そのシンプルさは、覚えやすい言語の筆頭に挙げられるほどです。

Pythonの関数：基本的な使い方と組み込み関数を解説！

【入門編】Pythonの基本構文まとめ！学習方法や年収も解説

### 読み書きがしやすく、ライブラリが豊富

Pythonはシンプルで読み書きがしやすい上に、ライブラリなどが豊富にあります。**エンジニアにとっては、そのコーディングのしやすさが魅力です。**また、誰でも他人の書いたコードをすぐに解読できるため、修正やバグ対応がしやすい点も強みです。

Pythonに最適のコードエディタとは？おすすめのエディタ5選を紹介！

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

### 汎用性が高く活用範囲が広い

機械学習分野、データ解析の分野などで注目を集めているPythonは、実は**汎用性が高く、あらゆる分野で利用されています。**

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

AI技術を用いたIoTの開発・ロボット制御・Webアプリ・デスクトップアプリ・ゲームアプリなど、私たちに身近なものにまでPythonが浸透しています。転職の際の企業選びでも、選択肢は多いと考えられます。なお、自分に合った環境を見つけるには転職エージェントの活用がおすすめです。

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

### プラットフォームが整っている

PythonはさまざまなOSをサポートしており、**主要なOSすべてのプラットフォームで利用できます。**また、クラウド環境ではブラウザ上でPythonを記述し実行できるサービスとして「Google Colaboratory」もあり、プラットフォームの豊富さはPythonの大きな強みです。

【参考】：[Colaboratory - Google](https://colab.research.google.com/?hl=ja)

Pythonのインストール方法：初心者向けインストール方法を1から解説！

## Pythonを活用している製品やサービスの例

Pythonを使って開発されている製品やサービスは数多くあります。先ほども少し触れたように、世界的に有名な製品・サービスにもPythonは使われています。ここでは、Pythonの活用事例を分野別に紹介します。

### アプリケーションでの活用事例

アプリケーションといってもさまざまな種類がありますが、特にWebアプリケーションにおいてはPythonは非常に人気です。Pythonが使われている代表的なサービスには以下のようなものがあります。

*▪YouTube*：世界最大の動画共有サービス
*▪Instagram*：ユーザー数10億人を誇る写真・動画共有サービス
*▪Reddit*：世界最大規模の掲示板サービス
*▪Dropbox*：オンラインストレージ
*▪Google*：世界最大の検索エンジン
*▪Netflix*：映画・ドラマ等の配信サービス

その他、モバイルアプリケーションやデスクトップアプリケーション、組み込みアプリケーションに使われることもあります。

Pythonを使った開発の中でも注目の分野であるAIは、年々その活躍の幅を広げています。既に多くのAIサービスでPythonが使われています。

*▪GoogleのAI画像検索*
*▪Pepper*：ソフトバンクが開発した機械学習ロボット
*▪ChatGPT*：AIチャットサービス
*▪Alexa*：AI音声認識エンジン
*▪KUKA*：AI搭載の産業用ロボット製造サービス
*▪Skyscanner*：AI機能のあるチケット予約システム

特にAI分野でのPython活用は今後ますます盛んになることが予想されます。全く新しいAIサービスだけでなく、既存のサービスの充実としてのAI機能拡充にもPythonが使われています。

上記以外の活用事例としては、データ解析やブロックチェーンの技術を用いている製品やサービスが挙げられます。

今人気のプログラミング言語「Python」は初心者でもなじみやすく、あらゆる分野で使われていますが、特にAIの機械学習や深層学習の開発にも使われている点が特徴的です。本記事では、これからPythonを学びたいエンジニアに向けて、Python人気の秘密に迫っていきます。

Pythonは日本でもAIや機械学習の関連分野で急速に人気が高まっているプログラミング言語

Pythonは汎用性が高いシンプルなスクリプト言語で、比較的習得しやすい

Pythonを習得することで、エンジニアとしてさらに活躍の場が広がることを期待できる

Pythonとは？人気の理由と基本知識をわかりやすく解説！

[【関連記事】【Pythonのライブラリ管理ツール】pipインストールを徹底解説！Windowsでも簡単？](https://and-engineer.com/articles/YcJyaRAAACMAl3BX)

[【関連記事】PythonのコードをEXE化するには? PyInstallerやその他ツールの特徴や使い方](https://and-engineer.com/articles/ZDZ41BEAAH-qRRlT)

[【関連記事】Pythonで自動化できること7選！面倒な作業を効率化してより便利に](https://and-engineer.com/articles/YRn2KRAAACIA6YPW)<br>

**AnacondaとはPythonの実行環境で、データサイエンスに必要とされる各種ツールやライブラリを提供するプラットフォームです。**Anacondaには数値計算やデータ解析に必要なライブラリがセットで組み込まれており、とても利便性が高いです。Anacondaの利用者は1,500万人以上とも言われています。

*AnacondaはGUI・CUIそれぞれ提供されています。*GUIはAnaconda Navigatorでインストール管理・起動管理ができます。CUIはcondaツールを用いて行います。

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

Python入門：はじめの一歩から基本構文までまとめて解説！

Pythonでできることとは？Pythonのメリットも詳しく紹介

Anacondaは1,500以上のパッケージが含まれるディストリビューションとなります。250を超えるデータサイエンスや機械学習のパッケージは自動的にインストールされ、利用者は*インストール後すぐに開発作業を開始できる*というメリットがあります。

また、Anacondaはあらかじめデータサイエンスや機械学習のライブラリやソフトウェアパッケージを同梱し、依存関係をチェックしてくれます。そのため**インストール作業並びにバージョン管理を簡素化できるというメリットもあります。**

Pythonの環境構築：公開ソフトウェアを活用した環境整備を解説

## Anacondaのインストール方法を紹介

ここではAnacondaのインストール方法を紹介しています。**Anacondaには有料版と無料版があり、 無料版はIndividual Editionです。**ご注意ください。

【参考】：[Individual Edition](https://www.anaconda.com/products/individual)

Anacondaをインストールする方法と、他のアプリケーションをインストールする方法に大きな違いはありません。具体的な手順について簡単に紹介していますので参考にしてください。

・最初にAnacondaをダウンロードします。この際、自身の*使用環境に合ったものを選択*してください。
・ダイアログボックスが表示されたら「Next」・「I Agree」をクリックします。
・Anacondaを使用するユーザーが自身のみか他のユーザーも含むか選択します。
・インストールする*ディレクトリを設定*します。
・*PATHの設定*を行うか選択したら「Install」をクリックします。
・インストールが完了したら「Next」をクリックしていきます。
・最後に「Finish」をクリックしてAnacondaのインストールは完了です。

【参考】：[ Windows版Anacondaのインストール](https://www.python.jp/install/anaconda/windows/install.html)

とても簡単！Anacondaのインストール手順を機種別に解説

Anacondaは2022年1月時点で以下のバージョンが最新版となります。

・*Windows Python3.9用*
　64ビット版・32ビット版

・*MacOS Python3.9用*
　64ビット版（GUI・CUIインストーラ）

・*Linux Python3.9用*
　64ビット版（x86・Power・AWS Gravitor2・IBM Z）

【参考】：[ANACONDAインストーラー](https://www.anaconda.com/products/individual)

Anacondaのインストール方法について紹介しましたので、ここではインストールしたAnacondaの使い方を簡単に紹介していきます。

Anacondaの使い方は？Python環境の利用方法を解説！

Anacondaは、特定のパッケージやライブラリをインストールしておく仮想環境と呼ばれるものを作成することができます。特に*複数のパッケージやライブラリを使用する場合、仮想環境の作成が必要*です。

この理由として、パッケージやライブラリによって対応しているpythonのバージョンが異なるという点が挙げられます。**仮想環境はpythonのバージョンごとに作成します。**

### Anacondaで仮想環境を作成する

Anacondaにおいて、*仮想環境を作成するには「conda create -n 仮想環境名」というコマンドを入力*します。前述の通り仮想環境はpythonのバージョンごとに作成する必要があります。そのため複数の仮想環境を作成する際は仮想環境名の後に「スペース」と「インストールするパッケージやライブラリの名前」を入力しましょう。

### Anacondaで作成した仮想環境の有効化を行う

仮想環境は作成しただけでは使用することができません。Anacondaで作成した仮想環境を使用するには有効化する必要があります。仮想環境有効化の際に使用するコマンドは「*conda activate 仮想環境名*」です。仮想環境を有効化したら「python」と入力しpythonを起動します。pythonを終了する際は「quit()」というコマンドを入力します。

### Anacondaでライブラリをインストールする

Anacondaで作成した仮想環境に入ったら、その状態でライブラリをインストールすることができます。ライブラリのインストールに使用するのは「*conda install*」というコマンドです。

### Anacondaで作成した仮想環境の無効化を行う

Anacondaでは「*conda deactive*」というコマンドを入力することで使用中の仮想環境を無効化することができます。

### Anacondaで作成した仮想環境を削除する

使用が終了した仮想環境や不要になった仮想環境の削除はコマンドを入力することで簡単に行えます。入力するコマンドは「*conda remove -n 仮想環境名 –all*」です。

## Anacondaにあるライブラリなどを紹介

ここではAnacondaにあるライブラリやAnacondaが使いやすくなるアプリケーションについて紹介していきます。

### Anacondaで利用可能なデータサイエンスライブラリ

今回はデータサイエンスで使用するライブラリについて目的別にいくつか紹介します。Anacondaではここで紹介しているライブラリをはじめ、**7,500以上の公開ライブラリが利用可能です。**データサイエンスでは通常次のライブラリを用いるケースが多いです。

・*数学・科学技術計算用*
　- NumPy：多次元配列オブジェクトを実装し多数の演算関数を提供します。
　- SciPy：NumPyをベースにした科学計算ライブラリです。
　- Pandas：数表や時系列データに強みを持つデータ操作解析ライブラリです。

・*データの可視化用*
　- Matplotlib：NumPyをベースにしたグラフ描画ライブラリです。
　- seaborn：Matplotlibを用いた可視化ライブラリです。
　- Altair：簡単な文法で視覚効果を高めた可視化ライブラリです。

・*機械学習・深層学習用*
　- scikit-learn ：分類・回帰・クラスタリングによる機械学習ライブラリです。
　- TensorFlow：Googleが開発した機械学習・深層学習・数値解析ライブラリです。
　- PyTorch：Facebookが開発した機械学習ライブラリ、深層学習へ適用拡大されています。

【参考】：[データサイエンスツールキット](https://www.anaconda.com/products/individual)

### Anacondaが使いやすくなるアプリケーション

**Anaconda Navigatorとはアプリケーションのインストール管理や起動管理を行ってくれるGUIアプリケーションです。**Anaconda NavigatorはAnacondaディストリビューションをインストールすると利用可能になります。

Anaconda Navigatorでは予め次の代表的なアプリケーションが利用可能な状態となっています。

・*JupyterLab*
　Jupyter Notebookの後継となるウェブベース統合開発環境（IDE）

・*Jupyter Notebook*
　PythonやR言語の開発で用いるウェブベース統合開発環境（IDE）

・*Spyder*
　データサイエンス用統合開発環境（IDE）

・*PyCharm*
　Python用統合開発環境（IDE）

・*VSCode*
　マイクロソフト製コードエディタ

・*Glueviz*
　Python用データ可視化ツール

・*Orange 3 App*
　対話型データ可視化ツールとビジュアルプログラミングによるデータマイニング　

・*RStudio*
　PythonやR言語の開発で用いる統合開発環境（IDE）

・*Anaconda Prompt（Windows用）*
　Anaconda同梱のWindowsコマンドプロンプト

・*Anaconda PowerShell（Windows用）*
　Anaconda対応のWindows PowerShell

このように代表的な*統合開発環境（IDE）のみならず、*VSCode*や*PowerShell*等も利用可能*ですので、Windowsユーザでも違和感なく開発を進められます。

【参考】：[Anaconda Navigator](https://docs.anaconda.com/anaconda/navigator/#what-applications-can-i-access-using-navigator)

IDEとは？詳細やメリット、おすすめのIDEを紹介します！

## Anacondaを利用して効率的にPython開発を進めましょう

*Anacondaはデータサイエンスに必要なライブラリを統合管理できるオープンソースのディストリビューション*です。同様にインストール管理ソフトウェアとソフトウェア公開サービスを兼ねていますので、Pythonライブラリやツールのインストール管理ならびに実行管理を統合的に行うことができます。

特に機械学習を中心とするデータサイエンス分野では必需品となります。**Anacondaを導入しPythonの開発やデータ分析などを効率的に行ってみてはいかがでしょうか。**

Pythonでできること・できないことは？活躍している分野を解説

Pythonの用途を知った上でPythonエンジニアを目指そう

初心者向けPython：基礎構文や入門情報を丁寧に解説！

Anacondaは、データサイエンスや機械学習の作業を効率化するためのプラットフォームで、主にPythonやR言語のプログラミングに特化しています。そんなAnacondaのインストール方法や特徴・利用方法を解説しています。

AnacondaはPythonインストール管理ソフトウェア・ソフトウェア公開サービスです

AnacondaはPython実行環境でデータサイエンスに必要なライブラリをまとめて提供します

Anacondaを用いることでインストール・実行管理の工数が削減されます

Anaconda（アナコンダ）とは？インストール方法やPythonとの関連性を解説！

## Python3エンジニア認定データ分析試験とは

**Python3エンジニア認定データ分析試験とは、一般社団法人のPythonエンジニア育成推進協会が運営しているPython資格試験の1つです。**他に、初心者向けの「Python3エンジニア認定基礎試験」などがあります。この2つには、以下のような違いが見られます。

*■「Python3エンジニア認定基礎試験」*
Pythonに関する基本的な文法、データ構造、クラス、標準ライブラリなどに関する知識を問う試験

*■「Python3エンジニア認定データ分析試験」*
Pythonの基礎知識に加えて、数学の基礎知識、ライブラリを利用した分析など、Pythonを用いたデータ分析に関する知識を問う試験

「Python3エンジニア認定データ分析試験」は「Python3エンジニア認定基礎試験」よりも難易度は上がります。Pythonエンジニアを目指す方でどちらを受けるか迷った場合は、後ほど紹介する模擬テストサイトで自身の実力を判定してから決めても良いでしょう。

この記事では、「Python3エンジニア認定データ分析試験」の試験概要や勉強法などについて解説していきます。

【参考】：[Pythonエンジニア育成推進協会公式サイト](https://www.pythonic-exam.com/)

### Pythonエンジニア認定試験の種類

Pythonの資格認定試験としては、Pythonエンジニア育成推進協会運営の「Python3 エンジニア認定基礎試験」（以下、基礎試験）と「Python3 エンジニア認定データ分析試験」（以下、データ分析試験）、そして2022年11月29日より実施された「Python3 エンジニア認定実践試験」（以下、実践試験）の3種類があります。

実践試験は、毎年受験者数が増加するPython試験において、Python初学者の学習指針となる試験であり、プログラマーのスキル向上を図ったより実践的なPython文法を問う内容です。

【参考】：[Python 3 エンジニア認定実践試験 | 一般社団法人Pythonエンジニア育成推進協会](https://www.pythonic-exam.com/exam/jissen)

Python3エンジニア認定基礎試験とは？勉強方法や難易度を紹介

Python3エンジニア認定実践試験とは？概要やメリットを解説

「データ分析試験」の概要について、「基礎試験」「実践試験」と比較しながら見ていきましょう。

*項目：　　　　　【基礎試験】          　　　【データ分析試験】         　   【実践試験】*
▪実施日： 　　　 　 通年　　　　　　　　　　    通年                                 通年  
▪申し込み：　　     各会場　　　　　　　　　  各会場                               各会場
▪受験方式： 全国CBTテストセンター　 全国CBTテストセンター    　全国CBTテストセンター
▪問題数：　　　 　 40問        　　　　　　　   40問                                 40問
▪出題形式：　　 　選択式      　　　　　　　   選択式                                選択式
▪試験方式：　  　   CBT 　　　　　　     　       CBT                                 CBT
▪試験時間：　 　 　60分         　　　　　 　      60分                               75分
▪合格基準：　　 正答率70％　 　　　　　    正答率70％                          正答率70％
▪受験料（一般）：11,000円（税込）       11,000円（税込）                     13,200円（税込）
           （学生）：5,500円（税込）          5,500円（税込）                     6,600円（税込）
▪試験内容：         文法基礎　     　　　　 データ分析の基礎や方法         実践的な文法を問う
▪主教材：
【基礎試験】 [「Pythonチュートリアル第4版」（オライリー・ジャパン）](https://www.oreilly.co.jp/books/9784873119359/)
【データ分析試験】[「Pythonによるあたらしいデータ分析の教科書」（翔泳社）](https://www.shoeisha.co.jp/book/detail/9784798178776)
【実践試験】[「Python実践レシピ」（技術評論社）](https://gihyo.jp/book/2022/978-4-297-12576-9)

**「データ分析試験」と「基礎試験」との違いは、試験の主題範囲や内容、認定テキストの違いだけです。**先に「基礎試験」を受験した人であれば、「データ分析試験」の受験で戸惑うことはないでしょう。

【参考】：[Python試験（Python資格）](https://www.pythonic-exam.com/exam)

「基礎試験」では、主にPython3に関する基礎知識、文法知識を問う問題が中心でしたが、データ分析試験ではどんな知識を問う問題が出題されるのでしょうか？具体的に見ていきましょう。

データ分析試験の主教材（参考書）は以下の通りです。必須書籍ですので、受験の際には必ず揃えましょう。

*■「Pythonによるあたらしいデータ分析の教科書 第2版」*
▪著者：寺田 学、辻 真吾、鈴木 たかのり、福島 真太朗
▪ページ数：336ページ
▪出版社：翔泳社
▪発売日：2022/10/24
【参考】：[Pythonによるあたらしいデータ分析の教科書 第2版](https://www.shoeisha.co.jp/book/detail/9784798176611)

データ試験の出題範囲は主教材に準拠しており、出題範囲と出題割合はPythonエンジニア育成推進協会のWebサイトでも公表されています。

【参考】：[データ分析試験 | Pythonエンジニア育成推進協会公式](https://www.pythonic-exam.com/exam/analyist)

### データ分析試験に出るライブラリ

主教材で解説されているPythonライブラリは「NumPy」「Pandas」「Matplotlib」「scikit-learn」です。多少ともPythonを学んだエンジニアなら、誰もが知る有名なライブラリです。

*データ分析試験の問題数は40問の内、27問がテキスト第4章の「ライブラリによる分析実践」から出題されていますので、ライブラリ関係の問題が合否の鍵を握っていると言っても過言ではありません。*

## データ分析試験の難易度と合格率

データ分析試験にチャレンジしてみたいが、難易度や合格率が気になる方は少なくないでしょう。ここでは、データ分析試験の難易度や合格率について解説していきます。

データ分析試験の難易度に関しては公表されたものがないため、推測の域を出ませんが、そもそもPython自体が習得の難易度が他のプログラミング言語に比べて低いという特徴があります。そのため、「基礎試験」の場合はPythonの基礎を習得し、多少なりともライブラリの利用経験がある方であれば、さほど難易度は高くはないと考えられます。

**「データ分析試験」は基礎試験よりも応用編として難易度は少し上がると見られますが、それでも難易度が高い試験とは言いづらい位置付けだと言えるでしょう。**基礎試験に合格している方なら十分に合格を目指せますが、初学者の場合は難易度が高く感じるかもしれません。

同試験の合格体験記がPythonエンジニア育成推進協会公式サイトに多数掲載されていますので、ぜひ目を通してみてください。

【参考】：[合格体験記（Pythonエンジニア育成推進協会公式）](https://www.pythonic-exam.com/archives/category/success-story)

データ分析試験の合格率も公表されていませんが、「Python3エンジニア認定基礎試験」の合格率は過去に公表されたものがあり、約80%でした。*データ分析試験は基礎試験よりは難易度は上がると見られますが、合格率はそれに準ずるレベルと考えていいでしょう。*それは、出題範囲が限られ、模擬試験など受験環境が整っていることにも起因しています。

【参考】：[マイナビエージェント：Pythonの資格試験について徹底解説！難易度や受験の流れについて](https://mynavi-agent.jp/knowledge/it/765.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv02)

## データ分析試験のメリットとおすすめしたい人

実際、データ分析試験を受験することでどのようなメリットがあるのでしょうか。ここでは具体的なメリットに加えて、受験をおすすめしたい人についても解説します。

### 転職の際のスキル証明になる

*データ分析に関するスキルを客観的に証明でき、転職やキャリアアップの際は大きなアピールポイントになります。*特にPythonはデータ分析で広く使われており、資格があることで即戦力としての市場価値が高まります。

また、データ分析の資格取得に向けた学習には時間と根気が必要です。資格を取得することで、自己成長のためには労力を惜しまない姿勢と、向上心の高さをアピールできるのもメリットです。

### データ分析の知識と実務能力が向上する

受験を通してデータ分析に関する知識を体系的に学び直し、スキルを深めることができます。特に、*実務で使用する関数やライブラリ、データ処理の効率的な手法を身につけることで、実務にも即役立つスキルを習得可能です。*

また、試験対策として実際の分析プロセスに沿った問題を解くことで、実務で必要とされるデータの取得・加工・分析・可視化の一連の流れを把握できます。さらに、Pythonを学ぶきっかけとしても有効です。

### 年収アップを目指すための一助となる

Pythonエンジニアが活躍する具体的な職種には、「AIエンジニア」「Webアプリケーションエンジニア」「データサイエンティスト」などがあります。ここでは、データサイエンティストに近いアナリストの年収例を参考に紹介します。

「マイナビエージェント職業別年収ランキング」での平均年収は824万円（※2024年11月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のIT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））を参考にすると、平均年収758万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、アナリストは一般平均年収よりも、やや高めであることが分かります。

ただし、データサイエンティストを含むPythonエンジニアの年収は、知識や経験によって大きく異なるため、**より高収入を目指すには データ分析試験など資格取得に向けた学習を通じて、実践的なスキルを高めることが重要です。**

【参考】：[マイナビエージェント職業別年収ランキング](https://mynavi-agent.jp/helpful/income2020/category/finance01/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)
※【平均年収 調査対象者】2019年12月～2020年5月末までの間にマイナビエージェントサービスにご登録頂いた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

データ分析試験の受験は、次の条件に該当する方におすすめします。

*▪ 日常、Pythonプログラミングを行っている方、Pythonをある程度勉強している方* 
*▪ 「Python3エンジニア認定基礎試験」に合格した方* 

以上、いずれかの条件を満たしている方であれば、さほど苦もなくデータ分析試験には合格できるでしょう。上述したように、試験に合格することでスキル証明が可能となり、転職時には有利に働く可能性があるので、ぜひ取得しておきましょう。

Pythonの記事（1ページ目）