Pythonでデータ分析を学び始めたあなたは、「Python 3 エンジニア認定データ分析試験」の受験を検討しているのではないでしょうか。しかし「難易度はどのくらい?」「本当に合格できる?」と不安を感じているかもしれません。この記事では、合格率の推移、他のIT資格との難易度比較、必要な勉強時間まで、実データに基づいて徹底解説します。あなたの現在のスキルレベルに合った対策法がわかります。
【結論】Python データ分析試験の難易度は「やや易〜普通」レベル
Python 3 エンジニア認定データ分析試験の合格率は、直近の公式データでは81.5%（2024年発表）と、IT資格の中でも極めて高い水準です。
以前から70〜80%台で安定して推移しており、『しっかりと対策すれば誰でも合格を狙える資格』と言えます。
合格率が高い理由は、問題のほとんどが公式テキストからそのまま出題されるため、対策が立てやすい点にあります。
実際には、Pythonの基礎知識とデータ分析ライブラリ(NumPy、pandas、scikit-learn)の実践的な理解が求められます。
プログラミング完全未経験者にとっては一定のハードルがある一方、Python経験者や統計・データ分析の知識がある方には比較的取り組みやすい試験といえます。
30秒でわかる難易度まとめ【合格率・問題数・合格ライン】
Python 3 エンジニア認定データ分析試験の基本スペックを数値で把握しましょう。
- 合格率：40〜81.5%(最新データでは81.5%)
- 問題数：40問
- 試験時間：60分
- 合格ライン：正答率70%以上(28問以上正解)
- 出題形式：選択式(複数選択含む)
- 受験料：一般10,000円(税抜)、学割5,000円(税抜)
60分で40問ということは、1問あたり平均1.5分で解答する必要があります。
ただし、知識問題は30秒程度で答えられる一方、コード読解問題は3〜5分かかることもあるため、時間配分の戦略が重要になります。
難易度を5段階評価で表すと？
IT資格全体の中でPython データ分析試験を評価すると、このようになります。
| 難易度 | 資格名 | 合格率 | 特徴 |
| ★☆☆ (易) | ITパスポート | 約50% | IT全般の入門知識 |
| ★★☆ (やや易) | Pythonデータ分析 | 約81.5% | Pythonライブラリ活用 |
| ★★☆ (やや易) | G検定 | 約60~70% | AI・機械学習の知識 |
| ★★★ (普通) | 基本情報技術者 | 約40% | ITエンジニアの登竜門 |
この評価は、試験範囲の専門性、必要な学習時間、合格率を総合的に判断したものです。
Python初学者にとっては「普通」レベルに感じられることもありますが、プログラミング経験者や理系出身者にとっては「やや易」と感じられるケースが多いです。
Python データ分析試験とは？試験の基本情報
Python 3 エンジニア認定データ分析試験は、Pythonを使ったデータ分析の基礎スキルを証明する資格です。
ここでは試験の正式名称、運営団体、試験形式などの基本情報を整理します。
試験の正式名称と運営団体
正式名称：Python 3 エンジニア認定データ分析試験
運営団体：一般社団法人Pythonエンジニア育成推進協会
この協会は、日本国内におけるPythonエンジニアの育成とスキル標準化を目的として設立された団体です。
Python 3 エンジニア認定試験には以下の3つのレベルがあります。
- 基礎試験：Python文法の基礎知識を問う
- データ分析試験：データ分析ライブラリの活用スキルを問う(本記事で解説)
- 実践試験：より高度なデータ分析実務スキルを問う
データ分析試験は基礎試験の上位資格として位置づけられており、実務でのデータ分析業務に直結する内容が出題されます。
試験形式・問題数・試験時間
Python 3 エンジニア認定データ分析試験の試験形式は以下の通りです。
- 試験方式：CBT方式(コンピュータ上で受験)
- 問題数：40問
- 試験時間：60分
- 出題形式：選択式(単一選択・複数選択)
- 受験資格：特になし(誰でも受験可能)
CBT方式のため、全国のテストセンターで随時受験可能です。
自分の都合に合わせて受験日を選べるのは大きなメリットといえます。
試験中は、Pythonコードの実行環境は提供されないため、コードを頭の中でトレースする力が求められます。
合格基準と受験料
合格基準：正答率70%以上(40問中28問以上正解)
受験料：一般10,000円(税抜)、学生5,000円(税抜)
70%という合格ラインは、IT資格としては標準的な基準です。
ただし、12問まで間違えられるとはいえ、出題範囲が広いため、全範囲をまんべんなく学習する必要があります。
受験料は比較的リーズナブルで、学生は半額で受験できるため、在学中の取得がおすすめです。
不合格の場合でも再受験が可能ですが、追加で受験料がかかるため、一発合格を目指してしっかり準備しましょう。
合格率の推移から読み解くPython データ分析試験の難易度
合格率は試験の難易度を測る最も客観的な指標の一つです。
ここでは公式発表のデータをもとに、Python データ分析試験の実際の難易度を分析します。
公式発表の合格率推移【最新データ】
Python 3 エンジニア認定データ分析試験の合格率は、公表されているデータによって幅があります。
- 2024年公式発表：合格率81.5%
- 一般的な推定値：合格率40〜50%前後
- 基礎試験の合格率：約70〜80%
最新の公式データでは81.5%という非常に高い合格率が報告されています。
これはIT資格の中では極めて高い数値であり、適切に対策すれば合格しやすい試験であることを示しています。
一方で、一部の情報源では40〜50%という推定値も見られます。
この違いは、受験者層の変化や試験内容の改訂によるものと考えられます。
合格率40〜50%が示す「本当の難易度」とは
合格率の数値だけを見て「簡単」と判断するのは早計です。
高い合格率の背景には、以下の要因があります。
- 受験者層の質：Python学習者の中でも意欲が高く、十分に準備した人が受験している
- 公式テキストの存在：出題範囲が明確で、対策しやすい
- 選択式の試験形式：記述式と比べて部分点を取りやすい
つまり、『誰でも簡単に合格できる』わけではなく、『適切に準備すれば合格できる』試験なのです。
特にデータ分析試験は基礎試験と比較して、NumPy・pandas・scikit-learnなどのライブラリの実践的な知識が求められます。
これらのライブラリに触れたことがない初学者にとっては、一定の学習時間が必要です。
参考：Python3エンジニア認定データ分析試験の難易度解説
不合格者に多い特徴と落とし穴
高い合格率にもかかわらず不合格になってしまう受験者には、共通する特徴があります。
【不合格者に多い特徴】
- 公式テキストを読まずに受験：独学やネット情報だけで対策した
- 手を動かさない学習：知識だけで実際にコードを書いて確認していない
- 苦手分野の放置：NumPyやpandasの配列操作を避けて通った
- 模擬試験の未実施：本番形式での時間配分を体験していない
【合格の裏ワザ】
公式テキストの章末問題がカギ この試験の最大の特徴は、『公式テキストに掲載されているコードや章末問題と似た問題が多く出題される』という点です。
あれこれと参考書に手を出す必要はありません。 公式テキスト『Pythonによるあたらしいデータ分析の教科書』を1冊用意し、特に第4章のコードを実際に動かして挙動を確認すること。
これだけで合格率は飛躍的に高まります。
Python データ分析試験と他のIT資格を難易度で徹底比較
自分にとってPython データ分析試験が適切なレベルか判断するには、他の資格と比較するのが効果的です。
ここでは代表的なIT資格との難易度を比較します。
基本情報技術者試験との比較
結論：Python データ分析試験は基本情報技術者試験よりやや易しいレベルです。
| 項目 | 基本情報技術者試験 | Python データ分析試験 |
|---|---|---|
| 合格率 | 約40〜50% | 約40〜81.5% |
| 試験時間 | 科目A:90分、科目B:100分 | 60分 |
| 出題範囲 | IT全般(広範囲) | Pythonデータ分析(特化型) |
| 必要学習時間 | 200〜300時間 | 30〜120時間 |
| 難易度 | 普通(レベル3) | やや易(レベル2) |
基本情報技術者試験はIT全般の幅広い知識が求められるのに対し、Python データ分析試験はPythonとデータ分析に特化しています。
出題範囲の広さと深さの違いから、Python データ分析試験の方が短期間で対策しやすいといえます。
ただし、基本情報技術者試験は国家資格であり、企業からの評価や資格手当の面では上位に位置します。
G検定(ジェネラリスト検定)との比較
結論：難易度はほぼ同等ですが、出題分野が異なるため直接比較は困難です。
| 項目 | G検定 | Python データ分析試験 |
|---|---|---|
| 合格率 | 約60〜70% | 約40〜81.5% |
| 試験時間 | 120分 | 60分 |
| 出題分野 | AI・機械学習の概念 | Pythonデータ分析の実装 |
| 実装スキル | 不要(概念理解) | 必要(コード読解) |
| 難易度 | やや易(レベル2) | やや易(レベル2) |
G検定はAIの概念や歴史、倫理などの理論的知識が中心です。
一方、Python データ分析試験は実際のコードを読んで動作を理解する実践的スキルが求められます。
どちらが難しいかは個人の得意分野によりますが、プログラミング経験者にはPython データ分析試験、文系出身者にはG検定が向いている傾向があります。
統計検定2級・3級との比較
結論：Python データ分析試験は統計検定3級と同程度、統計検定2級よりやや易しいレベルです。
| 項目 | 統計検定2級 | 統計検定3級 | Python データ分析試験 |
|---|---|---|---|
| 合格率 | 約40% | 約65% | 約40〜81.5% |
| 出題内容 | 数理統計の深い理解 | 統計の基礎知識 | Pythonでの実装中心 |
| 数学的知識 | 必須(高度) | 必須(基礎) | やや必要(基礎) |
| 難易度 | 普通(レベル3) | やや易(レベル2) | やや易(レベル2) |
統計検定2級は数理統計の深い理解が求められ、数式の導出や確率分布の理論的理解が必要です。
一方、Python データ分析試験はPythonライブラリを使った実装が中心で、数学的な証明よりも『どのライブラリのどの関数を使うか』という実践的知識が問われます。
統計の理論を深く学びたい方は統計検定、実務でのPython活用スキルを証明したい方はPython データ分析試験がおすすめです。
【一覧表】主要IT資格の難易度ランキング
主要なIT資格を難易度順に整理した一覧表です。
| 難易度 | 資格名 | 合格率 | 必要学習時間 | 特徴 |
|---|---|---|---|---|
| ★☆☆☆☆ | ITパスポート | 約50% | 100時間 | IT基礎知識の入門資格 |
| ★★☆☆☆ | Python 3 データ分析試験 | 40〜81.5% | 30〜120時間 | Pythonデータ分析特化 |
| ★★☆☆☆ | G検定 | 60〜70% | 50〜100時間 | AI概念理解の資格 |
| ★★☆☆☆ | 統計検定3級 | 約65% | 50〜80時間 | 統計基礎知識 |
| ★★★☆☆ | 基本情報技術者試験 | 40〜50% | 200時間 | IT全般の国家資格 |
| ★★★☆☆ | 統計検定2級 | 約40% | 150時間 | 数理統計の深い理解 |
| ★★★★☆ | 応用情報技術者試験 | 約25% | 500時間 | 高度IT技術者向け |
この表から、Python データ分析試験は入門レベルを超えた『実務入門』レベルに位置することがわかります。
完全初心者には一定のハードルがありますが、Python学習経験者にとってはスキルアップの最初のステップとして最適です。
出題範囲と各章の難易度・配点比重
Python データ分析試験の出題範囲は、公式テキスト『Pythonによるあたらしいデータ分析の教科書』に準拠しています。
各章の難易度と配点比重を把握することで、効率的な対策が可能になります。
公式テキスト全5章の出題比率
公式テキストは全5章で構成されており、各章からの出題比率は以下の通りです。
| 章 | 内容 | 出題比率(推定) | 難易度 |
|---|---|---|---|
| 1章 | データエンジニアの役割 | 2.5% | 易 |
| 2章 | Pythonと環境 | 15% | 易 |
| 3章 | 数学の基礎 | 15% | 普通 |
| 4章 | ライブラリによる分析実践 | 67.5% | やや難 |
| 5章 | 応用:データ収集と加工 | 範囲外 |
最重要は4章(ライブラリによる分析実践)で、全体の約70%を占めます。
【重要】試験に出るのは第1章〜第4章のみ 公式テキストは全5章で構成されていますが、試験範囲として指定されているのは第4章までです。 特に第4章（ライブラリによる分析実践）に配点が集中しているのが最大の特徴です。
このように、全体の約7割が第4章から出題されます。第5章は実務では役立ちますが、試験対策としては学習不要です。
【最短合格の戦略】第4章を制する者が試験を制する 合格ラインは正答率70%ですが、第4章（配点67.5%）を完璧にするだけで、ほぼ合格ラインに到達します。
第1章〜第3章は基礎知識であり、Python経験者なら改めて勉強しなくても解ける問題も多いです。 したがって、勉強時間の8〜9割を第4章の『Jupyter Notebookでの写経（コード入力）』に費やすのが、最も効率的な合格ルートです。
特に難しい分野【NumPy・pandas・scikit-learn】
受験者が最も苦戦するのが、NumPy・pandas・scikit-learnの実践的な使い方です。
【NumPyで難しいポイント】
- 多次元配列のスライシングと形状変換(reshape、transpose)
- ブロードキャスティングの概念と計算結果の予測
- 配列の軸(axis)を指定した集計操作
【pandasで難しいポイント】
- DataFrameのインデックス操作(loc、iloc、at、iatの使い分け)
- グループ化(groupby)と集計関数の組み合わせ
- 欠損値処理(fillna、dropna)の適切な使用
- 複数DataFrameの結合(merge、join、concat)の違い
【scikit-learnで難しいポイント】
- 訓練データとテストデータの分割(train_test_split)
- 標準化・正規化の必要性と実装(StandardScaler)
- 主要なモデルの特徴(線形回帰、ロジスティック回帰、決定木など)
これらの分野は実際にコードを書いて動かす経験がないと理解が難しいため、テキストを読むだけでなく、Jupyter Notebookなどで手を動かして学習することが重要です。
比較的易しい分野と得点源にすべき章
難しい分野がある一方で、確実に得点できる易しい分野も存在します。
【得点源にすべき章】
- 1章:データエンジニアの役割 – データ分析プロセスの流れ、役割分担などの知識問題
- 2章:Pythonと環境 – Python基本文法、環境構築、仮想環境の概念
- 3章:数学の基礎(一部) – 平均、分散、標準偏差などの基本統計量
これらの章は暗記中心の知識問題が多く、コード読解のような応用力を必要としません。
特に1章と2章は確実に満点を狙える分野なので、ここで取りこぼしがないようにしましょう。
また、Matplotlibによる可視化も比較的理解しやすい分野です。
グラフの種類(折れ線、棒グラフ、散布図、ヒストグラム)と用途を押さえておけば、得点源になります。
Python データ分析試験の難易度別・必要な勉強時間の目安
合格までに必要な勉強時間は、現在のスキルレベルによって大きく異なります。
ここでは3つのレベル別に、必要な学習時間の目安を示します。
Python未経験者の場合【80〜120時間】
対象：プログラミング初心者、Python未経験者
必要時間：80〜120時間(約2〜3ヶ月)
Python未経験者の場合、まずはPython基礎の学習から始める必要があります。
【学習ステップ】
- Step1:Python基礎(30時間) – 変数、データ型、制御構文、関数、クラスの基本
- Step2:NumPy・pandas基礎(30時間) – 配列操作、DataFrame操作の基本
- Step3:公式テキスト学習(40時間) – 全章を読み込み、コード例を実際に動かす
- Step4:模擬試験(10時間) – 弱点の洗い出しと復習
特に重要なのが、『読むだけでなく手を動かすこと』です。
Jupyter NotebookやGoogle Colaboratoryを使って、公式テキストのコード例を全て実行し、動作を確認しましょう。
また、Python 3 エンジニア認定基礎試験を先に取得してから、データ分析試験に挑戦するのも効果的なルートです。
Python経験者の場合【30〜50時間】
対象：Pythonの基本文法を理解している、簡単なプログラムを書いた経験がある
必要時間：30〜50時間(約1〜1.5ヶ月)
Python基礎が身についている方は、データ分析ライブラリに集中して学習できます。
【学習ステップ】
- Step1:公式テキスト通読(20時間) – 特に3〜6章を重点的に
- Step2:実践演習(15時間) – 実際のデータセットでNumPy・pandas操作
- Step3:模擬試験(10時間) – 弱点補強と時間配分の確認
Python経験者の最大の強みは、エラーメッセージを読んで自己解決できる力があることです。
この力を活かして、公式テキストのコード例を改変し、『このパラメータを変えたらどうなるか?』と実験することで、理解が深まります。
特にpandasのDataFrame操作は試験の頻出分野なので、実際のCSVデータを読み込んで加工する練習を繰り返しましょう。
データ分析実務経験者の場合【10〜20時間】
対象：実務でPythonによるデータ分析を行っている、NumPy・pandasを日常的に使用
必要時間：10〜20時間(約2週間)
実務経験者の場合、試験対策に特化した学習で短期合格が可能です。
【学習ステップ】
- Step1:公式テキスト流し読み(5時間) – 出題範囲の確認
- Step2:模擬試験(5時間) – 弱点分野の特定
- Step3:弱点補強(5〜10時間) – 知らなかった関数や概念を重点学習
実務経験者が注意すべきは、『実務で使わない機能も出題される』ことです。
例えば、実務ではpandasの特定の機能しか使っていなくても、試験では幅広い機能が問われます。
また、用語の正式名称(例:『欠損値』『外れ値』『交差検証』など)を正確に覚えることも重要です。
実務では感覚的に理解していることも、試験では正式な用語で問われるため、公式テキストで用語を確認しましょう。
難易度を踏まえた効率的な対策法
Python データ分析試験に合格するためには、正しい教材と効率的な学習方法が不可欠です。
ここでは、難易度を踏まえた具体的な対策法を紹介します。
必須教材:公式テキストの効果的な使い方
Python データ分析試験の対策に絶対に外せない教材が、公式テキスト『Pythonによるあたらしいデータ分析の教科書』です。
試験問題はこのテキストから直接出題されるため、このテキストなしでの合格は極めて困難です。
【公式テキストの効果的な使い方】
- 1周目:通読 – 全体像を把握、わからない部分は飛ばしてOK
- 2周目:実践 – コード例を全て実際に動かして動作確認
- 3周目:理解深化 – 『なぜこの結果になるのか』を自分の言葉で説明できるように
- 4周目:弱点補強 – 模擬試験で間違えた分野を重点復習
特に重要なのが、コード例を自分の手で入力して実行することです。
コピー&ペーストではなく、手で入力することで関数名やパラメータを自然に覚えることができます。
また、Jupyter Notebookでコード例を実行する際は、パラメータを変えて実験してみましょう。
『axis=0とaxis=1で結果がどう変わるか』『欠損値の処理方法を変えたらどうなるか』など、自分で試すことで理解が格段に深まります。
模擬試験で合格ラインを確認する方法
公式テキストの学習が一通り終わったら、必ず模擬試験を受けましょう。
模擬試験の目的は、本番の難易度と時間配分を体感することです。
【模擬試験の活用方法】
- 本番と同じ環境で実施 – 60分のタイマーをセット、途中で調べ物をしない
- 合格ライン(70%)を確認 – 28問以上正解できるか自己採点
- 間違えた問題を分析 – 『知識不足』なのか『ケアレスミス』なのか分類
- 弱点分野を公式テキストで復習 – 間違えた章を重点的に再学習
模擬試験は最低2回は受けることをおすすめします。
1回目で弱点を洗い出し、復習後に2回目で実力の伸びを確認します。
2回目の模擬試験で安定して75%以上(30問以上正解)取れるようになれば、本番でも合格ラインを超えられる可能性が高いです。
模擬試験は公式サイトや学習プラットフォームで提供されているものを活用しましょう。
配点が高い章を優先的に攻略する戦略
限られた時間で効率よく合格を目指すには、配点が高い章を優先する戦略が有効です。
【優先順位の高い章】
- 第4章:ライブラリによる分析実践(40%) – NumPy、pandas、Matplotlib、scikit-learnの使い方
- 第3章:数学の基礎(15%) – 線形代数、統計の基礎知識
- 第5章:応用:データ収集と加工(15%) – データクレンジング、前処理
この3つの章だけで全体の70%を占めるため、ここを完璧にすれば合格ラインに到達できます。
特に第4章は最優先で攻略すべき分野です。
NumPyの配列操作とpandasのDataFrame操作は、実際にコードを書いて体で覚えることが重要です。
【効率的な学習の順序】
- まず第4章に集中し、NumPy・pandasの基本操作を完璧にする
- 次に第3章で数学的背景を理解する
- その後第5章で実践的なデータ加工を学ぶ
- 余裕があれば第6章・第7章(モデル構築・評価)に進む
- 第1章・第2章は最後に軽く復習
この順序で学習することで、最短距離で合格ラインに到達できます。
Python データ分析試験はこんな人におすすめ
Python データ分析試験は万能な資格ではありません。
ここでは、どんな人に向いているのか、逆にどんな人には別の資格が適しているのかを解説します。
取得をおすすめする人の特徴
Python データ分析試験の取得が特におすすめなのは、以下のような方です。
【おすすめする人】
- データ分析の仕事に就きたい学生・転職希望者 – 履歴書でアピールできる客観的な証明
- Python学習のモチベーション維持に資格が必要な人 – 明確な目標があると学習が続けやすい
- 実務でPythonを使い始めた初心者エンジニア – 体系的に基礎を固めたい
- 統計やデータ分析の理論は学んだが実装経験がない人 – Pythonでの実装力を身につけたい
- 企業の資格取得奨励制度を活用したい人 – 受験料補助や資格手当がある場合
特にデータ分析職への就職・転職を目指す方にとっては、履歴書に書ける具体的なスキル証明として有効です。
また、独学でPythonを学んでいる方にとっては、学習の方向性が正しいか確認できるというメリットもあります。
公式テキストに沿って学習することで、実務で必要な知識を体系的に習得できます。
他の資格を検討すべき人の特徴
一方で、以下のような方には別の資格の方が適している可能性があります。
【他の資格を検討すべき人】
- Python完全未経験者 → まず『Python 3 エンジニア認定基礎試験』から
- AI・機械学習の理論に興味がある人 → G検定やE資格を検討
- 統計学を深く学びたい人 → 統計検定2級・準1級を検討
- 幅広いIT知識を証明したい人 → 基本情報技術者試験を検討
- すでに高度なデータ分析スキルがある人 → Python 3 エンジニア認定実践試験を検討
特にPython完全未経験の方は、まず基礎試験で土台を固めることを強くおすすめします。
基礎試験は合格率70〜80%と高く、Python文法の基礎をしっかり学べます。
また、理論的な深い理解を求める方には、統計検定やアクチュアリー試験など、数理統計に特化した資格の方が適しています。
Python データ分析試験は『Pythonでの実装スキル』に焦点を当てた資格であり、数学的な証明や理論の深掘りは範囲外です。
まとめ:Python データ分析試験は「ちょうどいい難易度」の登竜門
Python 3 エンジニア認定データ分析試験は、データ分析エンジニアへの第一歩として最適な資格です。
難易度は『やや易〜普通』レベルで、適切な準備をすれば十分に合格可能です。
この記事のポイント
- 難易度：IT資格の中では『やや易〜普通』レベル(5段階中2〜2.5)
- 合格率：40〜81.5%(最新データでは81.5%)
- 必要学習時間：Python未経験者80〜120時間、経験者30〜50時間、実務経験者10〜20時間
- 重要分野：第4章(ライブラリによる分析実践)が全体の40%を占める
- 必須教材：公式テキスト『Pythonによるあたらしいデータ分析の教科書』
- 対策のコツ：コードを実際に書いて動かす、模擬試験で弱点を洗い出す
この試験は『簡単すぎず難しすぎず』のちょうどいい難易度で、データ分析の基礎を体系的に学べる良質な資格です。
合格することで、Pythonとデータ分析ライブラリの実践的なスキルを証明でき、就職・転職活動でのアピール材料になります。
合格に向けた次のアクション
この記事を読んで『受験してみよう』と思った方は、以下のステップで学習を開始しましょう。
- 公式テキストを購入 – 『Pythonによるあたらしいデータ分析の教科書』を入手
- 学習環境を整える – Jupyter NotebookまたはGoogle Colaboratoryをセットアップ
- 学習計画を立てる – 自分のレベルに合わせて80〜120時間の学習スケジュールを組む
- 公式テキストを実践的に学習 – コード例を全て実行し、パラメータを変えて実験
- 模擬試験で実力確認 – 合格ライン70%を安定して超えられるか確認
- 受験申込 – 公式サイトからCBT試験を予約
まずは公式テキストを手に入れて、第1章から読み始めてみましょう。
この記事があなたのPython学習とキャリアアップの一助となれば幸いです。
合格を目指して、ぜひチャレンジしてみてください！
コメント