# Python Analytics - 高度な分析とML (Data Analytics)

> groupby、merge、pivot_table、apply/map、Plotly、Scikit-Learn(回帰、分類、クラスタリング)、train/test split、メトリクス、Jupyter、Google Colab

- 20 面接問題
- Senior
- [面接問題: Data Analytics](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions.md)

## 1. Pandas Seriesにおけるapply()とmap()メソッドの主な違いは何ですか?

**回答**

map()メソッドは、辞書または関数を使用してSeriesの各値を新しい値にマッピングするように設計されており、Seriesでのみ機能します。対照的に、apply()はより柔軟で、Seriesに対して要素ごとに、またはDataFrameに対して行ごと/列ごとに関数を適用できます。Seriesでの単純な値から値への変換では、map()は一般的により高速で読みやすくなります。

## 2. 異なる列に対して複数の集計関数を同時に使用してデータを集計するために、どのPandasメソッドを使用すべきですか?

**回答**

agg()(またはaggregate())メソッドを使用すると、異なる列に異なる集計関数を一度の操作で適用できます。これはキーが列名で値が適用する関数である辞書を受け入れます。このアプローチは、個別の関数で複数のgroupby呼び出しを連鎖させるよりも効率的で読みやすくなります。

## 3. Pandasにおけるmerge()とjoin()の違いは何ですか?

**回答**

merge()はより柔軟な関数で、on、left_on/right_onパラメータ、またはインデックスを使用して特定の列で2つのDataFrameを結合します。join()はデフォルトでインデックス上で結合するDataFrameメソッドで、単純なインデックスベースの結合により簡潔です。非インデックス列での複雑な結合では、結合列をより制御できるmerge()が好ましいです。

## さらに17問利用可能

- 複数の集計関数を指定してpivot_table()でピボットテーブルを作成するにはどうすればよいですか?
- apply()と比較した場合、groupby()コンテキストにおけるtransform()の目的は何ですか?

無料で登録: https://sharpskill.dev/ja/login

## その他のData Analytics面接トピック

- [Google Sheets - 基礎](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/google-sheets-basics.md): 20問, Junior
- [Google Sheets - 高度な数式](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/google-sheets-advanced.md): 20問, Junior
- [SQL - 基礎](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/sql-basics.md): 25問, Junior
- [SQL - 集計とグルーピング](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/sql-aggregations.md): 20問, Junior
- [SQL - 結合](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/sql-joins.md): 20問, Junior
- [BigQuery - 基礎](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/bigquery-fundamentals.md): 20問, Junior
- [Data Cleaning - データクレンジング](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/data-cleaning.md): 20問, Junior
- [KPIとビジネスメトリクス](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/kpis-metrics.md): 20問, Junior
- [記述統計](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/descriptive-statistics.md): 20問, Junior
- [ZapierとNo-Codeオートメーション](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/zapier-automation.md): 20問, Junior
- [データビジュアライゼーションの原則](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/data-viz-principles.md): 20問, Junior
- [Python & Pandas - 基礎](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/python-pandas-basics.md): 20問, Junior
- [Google Sheets - 自動化ダッシュボード](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/google-sheets-dashboards.md): 20問, Mid-Level
- [SQL - サブクエリとCTE](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/sql-subqueries-ctes.md): 20問, Mid-Level
- [SQL - Window Functions](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/sql-window-functions.md): 20問, Mid-Level
- [BigQuery - 高度な機能](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/bigquery-advanced.md): 20問, Mid-Level
- [Data Modeling](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/data-modeling.md): 20問, Mid-Level
- [ファネルとコンバージョン分析](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/funnel-analysis.md): 20問, Mid-Level
- [コホートとリテンション分析](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/cohort-retention.md): 20問, Mid-Level
- [Google Tag Managerとトラッキング](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/gtm-tracking.md): 20問, Mid-Level
- [APIとWebhook](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/apis-webhooks.md): 20問, Mid-Level
- [dbt - 基礎](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/dbt-fundamentals.md): 20問, Mid-Level
- [ABテストと応用統計学](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/ab-testing.md): 20問, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/looker-studio.md): 20問, Mid-Level
- [Power BI - 基礎](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/power-bi-fundamentals.md): 20問, Mid-Level
- [SQL - 高度な分析クエリ](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/sql-advanced-analytics.md): 20問, Senior
- [dbt - 高度な機能](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/dbt-advanced.md): 20問, Senior
- [Power BI - DAXと高度なダッシュボード](https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/power-bi-dax.md): 20問, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ja/technologies/data-analytics/interview-questions/python-analytics-advanced