Los mejores recursos gratis para aprender Python para ciencia de datos en 2026

Encontrar material gratuito de Python para ciencia de datos es fácil; ordenarlo bien, no tanto. El tutorial oficial de Python no llega a tocar un DataFrame, muchos cursos "gratis" esconden los ejercicios tras una suscripción, y al menos uno de los programas más recomendados ha dejado de actualizarse sin avisar.

Esta lista va dirigida a dos perfiles: quien no ha escrito una sola línea de código, y quien conoce lo básico de Python pero aún no ha trabajado de verdad con pandas, NumPy o scikit-learn. Hemos evaluado cada recurso por cuánto ofrece gratis, cómo encaja con los demás y con qué frecuencia lo recomiendan los profesionales, y señalamos exactamente dónde termina cada nivel gratuito. Para una visión general antes de empezar, la guía de DataCamp sobre cómo aprender Python desde cero traza todo el camino.

Acceso gratuito y datos de los cursos verificados por última vez el 29 de octubre de 2026.

Comparativa de recursos gratuitos de Python para ciencia de datos

Aquí tienes los 12 recursos de un vistazo, en el orden en que recomendamos usarlos.

Recursos gratuitos para aprender los fundamentos de Python

Estos 3 recursos cubren el propio lenguaje Python, de variables a funciones, antes de entrar en librerías de datos.

1. Primeras lecciones gratuitas de los cursos de Python de DataCamp (lecciones interactivas)

Los cursos de Python de DataCamp arrancan con una lección gratuita, para que puedas escribir y ejecutar Python en el navegador antes de instalar nada.

• Nivel: Principiante
• Formato: Lecciones de curso interactivas, unos 50 a 60 minutos por lección gratuita
• Acceso gratuito: Freemium: la primera lección de cada curso es gratis; después, Premium desde 14 $/mes con facturación anual
• Ideal para: Probar Python en el navegador sin configuración

Los 3 cursos por los que yo empezaría son Introduction to Python, Intermediate Python y Data Manipulation with pandas, en ese orden. El primero está orientado al análisis de datos desde el inicio e introduce pronto paquetes populares, y el tercero incorpora pandas, la librería de DataFrames en la que se apoya gran parte de esta lista.

Los ponemos primero porque en la primera semana lo más difícil suele ser la instalación, no la sintaxis. Trabajar en el navegador elimina ese paso hasta que sepas que quieres continuar.

Limitación: En estos 3 cursos solo la lección inicial es gratis; el resto requiere Premium.

2. El tutorial oficial de Python (documentación)

El tutorial oficial de Python es la explicación gratuita más precisa del lenguaje, escrita por quienes lo mantienen.

• Nivel: Principiante a intermedio
• Formato: Tutorial oficial escrito
• Acceso gratuito: Totalmente gratis
• Ideal para: Aprender la sintaxis básica desde la fuente

Recorre el control de flujo, estructuras de datos, módulos, errores y excepciones, y clases, con pequeños ejemplos que puedes pegar en un intérprete. El tutorial se publica con la documentación de Python 3.15, así que describe la versión actual del lenguaje y no una de hace años.

Úsalo junto a un curso, no en lugar de uno. Cuando una lección pase por alto cómo funcionan el slicing de listas o los métodos de diccionarios, aquí obtendrás la respuesta exacta.

Limitación: No tiene ejercicios ni feedback y se detiene antes de pandas, NumPy o cualquier otra librería de datos.

3. Python for Everybody (curso)

Python for Everybody es el mejor curso completo y gratuito para principiantes que prefieren clases en vídeo, con libro gratis y tareas autocalificadas en su propio sitio.

• Nivel: Principiante
• Formato: Clases en vídeo, libro gratuito y tareas autocalificadas
• Acceso gratuito: Totalmente gratis
• Ideal para: Principiantes orientados a vídeo

La web ofrece clases, libro y tareas gratis, y al iniciar sesión te unes a un curso gratuito con boletín de calificaciones, ejercicios autocalificados y foros. Los materiales tienen licencia Creative Commons Attribution 4.0, por lo que el mismo curso también se imparte en varias plataformas.

Aparece una y otra vez en listas de recursos gratuitos, y la razón es el ritmo: no presupone experiencia previa alguna.

Limitación: Enseña programación general, así que aquí no verás pandas, NumPy ni librerías de visualización.

Nuestra recomendación: Empieza con las primeras lecciones gratis de los cursos de Python de DataCamp para ver si te encaja programar, luego trabaja Python for Everybody y ten abierto el tutorial oficial de Python para la sintaxis exacta.

Recursos gratuitos para aprender análisis de datos con Python

Cuando lo básico te resulte familiar, estos 4 recursos te enseñan las librerías de DataFrame sobre las que se hace la mayor parte del trabajo con datos en Python.

1. Cursos gratis de Polars de DataCamp (curso)

Los 3 cursos de Polars de DataCamp son la única ruta estructurada y completamente gratuita de DataFrames en esta lista, desde tu primera consulta hasta pipelines listos para producción.

• Nivel: Principiante a intermedio
• Formato: 3 cursos interactivos, 11 horas en total
• Acceso gratuito: Totalmente gratis
• Ideal para: Una ruta completa y gratuita de DataFrames: de la primera consulta a pipelines en producción

Introduction to Polars te enseña a limpiar, reestructurar y analizar datos. Data Transformation with Polars añade manipulación de texto, estadísticas móviles, joins de DataFrames y analítica más avanzada, y Scaling and Optimizing Data Pipelines with Polars te muestra cómo optimizar, escalar y probar tus pipelines. Los 3 los imparte Liam Brannigan, colaborador de Polars.

Cuando los termines, el tutorial Polars read_csv() de DataCamp muestra cómo cargar CSV grandes con un esquema definido.

Limitación: La mayoría de los demás recursos de esta lista, incluido Kaggle Learn y Python for Data Analysis, enseñan pandas y no Polars, así que planifica aprender ambos.

2. Tutoriales gratis de Python de DataCamp (tutoriales)

Los tutoriales gratuitos de Python de DataCamp recorren cada competencia de ciencia de datos con código ejecutable, desde tus primeros ejercicios hasta la evaluación de un modelo de machine learning.

• Nivel: Principiante a intermedio
• Formato: Tutoriales escritos con código ejecutable
• Acceso gratuito: Totalmente gratis
• Ideal para: Ejemplos resueltos: de las bases de Python a la evaluación de modelos

Estos 6 siguen un orden lógico:

• Python Exercises for Beginners: practica desde variables sencillas hasta funciones, estructuras de datos y proyectos guiados, con soluciones.

• Python pandas Tutorial: la guía para principiantes de los DataFrames.

• Joining DataFrames in pandas: merge(), concat() y join().

• Python Seaborn Tutorial: visualización estadística.

• Ensemble Learning in Python: bagging vs boosting, random forest y XGBoost con un dataset real.

• Precision vs Recall: elegir la métrica adecuada para tu modelo.

Los 6 se publicaron o actualizaron en 2026, y la categoría completa de Python tiene cientos más cuando necesites una función concreta. Para lo básico de gráficos, el tutorial de Matplotlib complementa bien el de Seaborn.

Limitación: Los tutoriales muestran un camino ya resuelto, así que no obtendrás feedback sobre tu propio código como en un ejercicio.

3. Kaggle Learn (sitio de práctica)

Kaggle Learn es la forma gratuita más rápida de practicar pandas con datos reales, con cursos cortos que Kaggle ofrece sin coste.

• Nivel: Principiante a intermedio
• Formato: Cursos cortos con ejercicios prácticos en notebooks de Kaggle
• Acceso gratuito: Totalmente gratis
• Ideal para: Ejercicios cortos de pandas y machine learning con datos reales

La ruta de datos va de Intro to Programming y Python a Pandas, Data Visualization, Data Cleaning y Feature Engineering, y el curso de Pandas dura unas 4 horas. Cada lección combina un tutorial breve con un notebook de ejercicios, para que escribas código contra un dataset real desde la primera lección.

Yo lo usaría como capa de práctica junto a un curso: las explicaciones son breves por diseño y el aprendizaje está en los ejercicios.

Limitación: Las lecciones son cortas y dan por hecho que consultarás lo que omiten, así que a principiantes absolutos les pueden parecer saltos grandes.

4. Python for Data Analysis (3rd edition, open access) (libro)

Python for Data Analysis es el libro gratuito de referencia sobre pandas, escrito por Wes McKinney, su creador, y se puede leer íntegro online.

• Nivel: Principiante a intermedio
• Formato: Libro online gratuito con ejemplos de código y datasets
• Acceso gratuito: Totalmente gratis
• Ideal para: Aprender pandas en profundidad

La tercera edición en acceso abierto cubre NumPy, carga y limpieza de datos, combinación y reestructuración, gráficos, operaciones de grupo y series temporales, con código y datasets en GitHub bajo licencia MIT. Se actualizó a pandas 2.0 en abril de 2023.

Léelo capítulo a capítulo cuando ya puedas escribir un bucle y una función.

Limitación: Apunta a pandas 2.0, así que algunos detalles difieren en versiones más nuevas, y no tiene ejercicios con feedback.

Nuestra recomendación: Haz los cursos gratis de Polars para tener estructura, usa los tutoriales gratis de Python para ver ejemplos resueltos y practica las mismas ideas en pandas con Kaggle Learn.

Recursos gratuitos para proyectos prácticos y machine learning

Estos 5 recursos son para aplicar lo aprendido: proyectos, primeros modelos y ayuda cuando algo falla.

1. DataLab (sandbox)

El notebook DataLab de DataCamp te da un espacio de trabajo gratuito en el navegador para tus proyectos de datos, con un Asistente de IA que escribe y explica código a tu lado.

• Nivel: Principiante a intermedio
• Formato: Notebook en el navegador con Asistente de IA
• Acceso gratuito: el plan gratis permite 3 cuadernos y 15 usos del Asistente de IA; cuadernos y ayuda de IA ilimitados requieren DataLab Premium
• Ideal para: Crear proyectos de datos con un asistente de IA en el navegador
• Curso de inicio: Introduction to DataLab (totalmente gratis, 1 h)

El plan gratuito solo requiere una cuenta de DataCamp e incluye 3 cuadernos y 15 usos del Asistente de IA, suficiente para completar un par de proyectos de porfolio de principio a fin. Subes un archivo o conectas una base de datos y empiezas a escribir pandas en el navegador.

Si nunca has usado un notebook, el curso de 1 hora Introduction to DataLab es gratuito y te guía por la herramienta. Para ideas, la lista de DataCamp de 50+ proyectos de Python los ordena por nivel.

Limitación: El límite de 3 cuadernos implica borrar o archivar proyectos antiguos sobre la marcha, y la ayuda de IA ilimitada requiere DataLab Premium.

2. Code-alongs gratis de Python de DataCamp (vídeo)

Los code-alongs gratuitos de Python de DataCamp te permiten ver cómo una persona instructora lleva un dataset real de los datos en crudo a los resultados, y puedes verlos sin cuenta.

• Nivel: Principiante a intermedio
• Formato: Vídeos grabados con notebook para seguir en DataLab
• Acceso gratuito: Totalmente gratis
• Ideal para: Ver un análisis completo: de datos en crudo a resultados

Cada grabación incluye un notebook, para que puedas programar a la vez en DataLab con una cuenta gratuita de DataCamp. Cuatro buenos para empezar:

• Exploratory Data Analysis in Python for Absolute Beginners: estadísticas descriptivas con pandas y gráficos con Plotly Express sobre datos de reservas de hotel.
• Absolute Beginners Analysis of Chicago City Service Data: análisis de solicitudes 311 de Chicago con Python y ayuda de IA, incluyendo cómo revisar el código escrito por IA.
• AI Python Zero-to-Hero: Build Your Own Fitness Tracker: análisis exploratorio y gráficos interactivos de datos de fitness.
• Getting Started with Machine Learning in Python: modelos de clasificación y regresión en scikit-learn con datos de préstamos bancarios.

Limitación: Son grabaciones, así que las sesiones más antiguas usan versiones de librerías de su momento, y nadie revisa tu propio código.

3. freeCodeCamp Data Analysis with Python (currículo abierto)

Data Analysis with Python de freeCodeCamp es la mejor fuente gratuita de proyectos guiados para el porfolio, con 5 proyectos que ponen a prueba tus habilidades con NumPy, pandas y visualización.

• Nivel: Principiante a intermedio
• Formato: Lecciones en vídeo con cuestionarios y 5 proyectos para porfolio
• Acceso gratuito: Totalmente gratis
• Ideal para: Proyectos para el porfolio

Las lecciones en vídeo cubren lectura de datos desde CSV y SQL y trabajo con NumPy, pandas, Matplotlib y Seaborn. Los proyectos van desde una calculadora de media-varianza-desviación estándar hasta un visualizador de datos médicos y un predictor del nivel del mar.

Limitación: freeCodeCamp indica que esta sección ya no se actualiza, así que espera versiones de librerías antiguas en algunos puntos; sigue siendo útil sobre todo por los proyectos.

4. Documentación de scikit-learn (documentación)

La documentación de scikit-learn es la referencia gratuita más fiable para construir tus primeros modelos de machine learning en Python.

• Nivel: Intermedio
• Formato: Documentación oficial con ejemplos de código
• Acceso gratuito: Totalmente gratis
• Ideal para: Tus primeros modelos de machine learning

La página Getting Started muestra ajuste y predicción, transformadores y preprocesadores, y evaluación de modelos en pocos ejemplos, y la guía de usuario documenta después cada estimador en detalle. La documentación estable cubre scikit-learn 1.9.1, así que los ejemplos coinciden con la versión que instalarás.

Limitación: Da por hecho que dominas arrays de NumPy y estadística básica, y explica la API más que la teoría de cada modelo.

5. ChatGPT y Claude (asistente de IA)

Usa ChatGPT o Claude como compañero de estudio gratuito que explica mensajes de error y recorre tu propio código línea a línea.

• Nivel: Principiante a avanzado
• Formato: Asistentes conversacionales que explican y depuran código
• Acceso gratuito: Freemium: límites de uso en los planes gratuitos; los planes de pago amplían uso y funciones
• Ideal para: Explicar errores en tu propio código

Ambos tienen planes gratuitos: el de ChatGPT incluye chats de texto ilimitados, y el de Claude puede ejecutar código. Pega un traceback y pregunta por qué ocurrió, o pide que reescriba paso a paso una "one-liner" de pandas para ver qué hace cada método.

La trampa es dejar que el asistente programe por ti. La chuleta de Python con IA de DataCamp muestra cómo escribir prompts que generen código fiable de pandas y NumPy, y luego escribes tú mismo la solución.

Limitación: Ambos pueden equivocarse con seguridad sobre detalles de librerías; contrasta lo importante con la documentación oficial.

Nuestra recomendación: Mira uno de los code-alongs gratis de Python de DataCamp y luego construye un proyecto similar por tu cuenta en DataLab, usando la documentación de scikit-learn cuando llegues al modelado.

Hoja de ruta sugerida

Si empiezas desde cero, este orden te lleva de tu primera línea de código a tu primer modelo.

Fase 1: aprende el lenguaje

Prueba las lecciones gratuitas de Introduction to Python, Intermediate Python y Data Manipulation with pandas, luego trabaja Python for Everybody con el tutorial oficial de Python como referencia. Intenta escribir pequeños scripts con bucles, funciones y diccionarios sin mirar nada.

Fase 2: aprende a trabajar con datos

Haz en paralelo los cursos gratis de Polars de DataCamp y el curso de Pandas de Kaggle Learn, y usa los tutoriales de pandas y Seaborn y Python for Data Analysis para profundizar. Al final deberías poder cargar un CSV desordenado, limpiarlo, unirlo con otra tabla y resumirlo por grupos.

Fase 3: crea proyectos y un primer modelo

Mira un code-along, completa los proyectos de freeCodeCamp y luego ejecuta un proyecto propio en DataLab, usando la documentación de scikit-learn para la parte de modelado. Si prefieres una única ruta estructurada, la Associate Data Scientist in Python career track de pago de DataCamp cubre las 3 fases en un solo lugar.

Cómo elegimos estos recursos

• El acceso gratuito se verificó en la fecha indicada desde la propia página de cada recurso; se excluyeron pruebas gratuitas, y aquí no hay opciones solo de auditoría.
• Recursos citados en las listas más recomendadas de Python gratis se incluyeron o excluyeron con motivo. Learn Python 3 de Codecademy, por ejemplo, se cita a menudo pero es solo por suscripción.
• En cursos, mostramos valoraciones solo por encima de 200 reseñas, y excluimos como entradas de la lista los que no se han actualizado en 18 meses.
• Los recursos externos se describen en prosa, sin franjas de estadísticas, porque no tenemos datos de valoración verificados para ellos.
• Priorizamos recursos que enseñan librerías de datos (pandas, NumPy, Polars, scikit-learn) sobre material de programación general, ya que esta lista es para ciencia de datos.

Reflexión final

Si nunca has programado, empieza con las lecciones gratuitas de los cursos de Python de DataCamp y Python for Everybody; si ya conoces lo básico, ve directo a los cursos gratis de Polars de DataCamp. En cualquier caso, pasa a proyectos en DataLab cuanto antes: es en los proyectos donde los recursos gratuitos empiezan a multiplicarse.

Con lo gratuito basta para aprender Python para ciencia de datos; lo que no te da es un camino único y conectado ni feedback en cada ejercicio. Si quieres ambas cosas, la Associate Data Scientist in Python career track de pago de DataCamp lo reúne todo en una sola secuencia.