Le migliori risorse gratuite per imparare Python per la Data Science nel 2026

Il materiale gratuito su Python per la data science è facile da trovare e difficile da mettere in ordine. Il tutorial ufficiale di Python non tocca mai un DataFrame, molti corsi “gratuiti” bloccano gli esercizi dietro un abbonamento e almeno uno dei percorsi formativi più consigliati ha smesso silenziosamente di essere aggiornato.

Questa lista è per 2 tipi di lettori: chi non ha mai scritto codice e chi conosce le basi di Python ma non ha ancora lavorato davvero con pandas, NumPy o scikit-learn. Abbiamo valutato ogni risorsa in base a quanto sia gratuita, a come si integri con le altre e a quanto spesso venga consigliata dai professionisti, e indichiamo esattamente dove si ferma il livello gratuito. Per una visione d’insieme prima di iniziare, la guida di DataCamp su come imparare Python da zero traccia tutto il percorso.

Accesso gratuito e dati sui corsi verificati l’ultima volta il 29 ottobre 2026.

Confronto delle risorse gratuite su Python per Data Science

Ecco tutte le 12 risorse a colpo d’occhio, nell’ordine in cui consigliamo di usarle.

Risorse gratuite per imparare le basi di Python

Queste 3 risorse coprono il linguaggio Python in sé, dalle variabili alle funzioni, prima che entri in gioco qualsiasi libreria per i dati.

1. Prime lezioni gratuite dei corsi Python di DataCamp (lezioni interattive)

I corsi Python di DataCamp si aprono con una lezione gratuita, così puoi scrivere ed eseguire Python nel browser prima di installare qualsiasi cosa.

• Livello: Principiante
• Formato: Lezioni di corsi interattivi, circa 50–60 minuti per lezione gratuita
• Accesso gratuito: Freemium: la prima lezione di ogni corso è gratuita, poi Premium da 14 $/mese fatturati annualmente
• Ideale per: Provare Python nel browser senza configurazione

I 3 corsi da cui partirei sono Introduction to Python, Intermediate Python e Data Manipulation with pandas, in quest’ordine. Il primo è pensato per l’analisi dei dati fin dall’inizio e introduce presto i pacchetti più usati, e il terzo introduce pandas, la libreria di DataFrame su cui si basa gran parte di questa lista.

Le mettiamo per prime perché la parte più difficile della prima settimana è di solito la configurazione, non la sintassi. Lavorare nel browser elimina quel passaggio finché non sai di voler proseguire.

Limite: In questi 3 corsi solo la lezione iniziale è gratuita, il resto richiede Premium.

2. Il tutorial ufficiale di Python (documentazione)

Il tutorial ufficiale di Python è la spiegazione gratuita più accurata del linguaggio, scritta da chi lo mantiene.

• Livello: Principiante–Intermedio
• Formato: Tutorial scritto ufficiale
• Accesso gratuito: Completamente gratis
• Ideale per: Imparare la sintassi di base dalla fonte

Guida attraverso il flusso di controllo, le strutture dati, i moduli, gli errori e le eccezioni, e le classi, con brevi esempi di codice da incollare in un interprete. Il tutorial è distribuito con la documentazione di Python 3.15, quindi descrive la versione attuale del linguaggio, non una di diversi anni fa.

Usalo insieme a un corso, non al suo posto. Quando una lezione sorvola su come funziona lo slicing delle liste o i metodi dei dizionari, è qui che trovi la risposta precisa.

Limite: Non ha esercizi o feedback e si ferma prima di pandas, NumPy o qualsiasi altra libreria per i dati.

3. Python for Everybody (corso)

Python for Everybody è il miglior corso completo gratuito per principianti che preferiscono le lezioni frontali, con un libro gratuito e compiti autovalutati sul suo sito.

• Livello: Principiante
• Formato: Lezioni video, un libro gratuito e compiti autovalutati
• Accesso gratuito: Completamente gratis
• Ideale per: Principianti orientati al video

Il sito offre lezioni, un libro e compiti gratuitamente, e accedendo entri in un corso gratuito con registro voti, compiti autovalutati e forum di discussione. I materiali sono sotto licenza Creative Commons Attribution 4.0, motivo per cui lo stesso corso gira anche su diverse altre piattaforme.

Compare ripetutamente nelle liste di risorse gratuite concorrenti, e il motivo è il ritmo: non presuppone alcuna esperienza di programmazione.

Limite: Insegna programmazione generale, quindi qui non incontrerai pandas, NumPy o librerie di visualizzazione.

La nostra scelta: Inizia con le Prime lezioni gratuite dei corsi Python di DataCamp per capire se il coding fa per te, poi lavora su Python for Everybody e tieni aperto Il tutorial ufficiale di Python per la sintassi esatta.

Risorse gratuite per imparare l’analisi dei dati con Python

Quando le basi ti sono familiari, queste 4 risorse insegnano le librerie DataFrame su cui gira la maggior parte del lavoro dati in Python.

1. I corsi gratuiti su Polars di DataCamp (corso)

I 3 corsi su Polars di DataCamp sono l’unico percorso DataFrame completamente gratuito e strutturato in questa lista, dalla tua prima query a pipeline pronte per la produzione.

• Livello: Principiante–Intermedio
• Formato: 3 corsi interattivi, 11 ore in totale
• Accesso gratuito: Completamente gratis
• Ideale per: Un percorso DataFrame completamente gratuito, dalla prima query alle pipeline di produzione

Introduction to Polars ti insegna a pulire, rimodellare e analizzare i dati. Data Transformation with Polars aggiunge manipolazione del testo, statistiche mobili, join tra DataFrame e analisi più avanzate, e Scaling and Optimizing Data Pipelines with Polars mostra come ottimizzare, scalare e testare le pipeline. Tutti e 3 sono tenuti da Liam Brannigan, contributor di Polars.

Una volta finiti, il tutorial Polars read_csv() di DataCamp mostra come caricare grandi file CSV con uno schema definito.

Limite: La maggior parte delle altre risorse in questa lista, inclusi Kaggle Learn e Python for Data Analysis, insegnano pandas anziché Polars, quindi pianifica di imparare entrambi.

2. I tutorial gratuiti su Python di DataCamp (tutorial)

I tutorial gratuiti di DataCamp su Python percorrono ogni abilità di data science con codice eseguibile, dai primi esercizi alla valutazione di un modello di machine learning.

• Livello: Principiante–Intermedio
• Formato: Tutorial scritti con codice eseguibile
• Accesso gratuito: Completamente gratis
• Ideale per: Esempi svolti dalle basi di Python alla valutazione dei modelli

Questi 6 seguono un ordine sensato:

• Python Exercises for Beginners: pratica da variabili semplici fino a funzioni, strutture dati e progetti guidati, con soluzioni.

• Python pandas Tutorial: la guida per principianti ai DataFrame.

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

• Python Seaborn Tutorial: visualizzazione statistica dei dati.

• Ensemble Learning in Python: bagging vs boosting, random forest e XGBoost su un dataset reale.

• Precision vs Recall: scegliere la metrica giusta per il tuo modello.

Tutti e 6 sono stati pubblicati o aggiornati nel 2026, e l’intera categoria Python ne ha centinaia di altri quando ti serve una funzione specifica. Per le basi del plotting, il tutorial su Matplotlib si abbina bene a quello su Seaborn.

Limite: I tutorial mostrano un percorso svolto, quindi non avrai feedback sul tuo codice come accade con un esercizio.

3. Kaggle Learn (sito di pratica)

Kaggle Learn è il modo gratuito più rapido per fare pratica con pandas su dati reali, con brevi corsi che Kaggle offre senza costi.

• Livello: Principiante–Intermedio
• Formato: Corsi brevi con esercizi pratici in notebook Kaggle
• Accesso gratuito: Completamente gratis
• Ideale per: Brevi esercizi su pandas e machine learning con dati reali

Il percorso dati va da Intro to Programming e Python a Pandas, Data Visualization, Data Cleaning e Feature Engineering, e il corso su Pandas dura circa 4 ore. Ogni lezione abbina un breve tutorial a un notebook di esercizi, così scrivi codice su un dataset reale fin dalla lezione 1.

Lo userei come strato di pratica accanto a un corso: le spiegazioni sono volutamente concise, e il vero apprendimento avviene negli esercizi.

Limite: Le lezioni sono brevi e danno per scontato che cercherai ciò che saltano, quindi i principianti assoluti possono trovare salti bruschi.

4. Python for Data Analysis (3ª edizione, open access) (libro)

Python for Data Analysis è il libro gratuito definitivo su pandas, scritto da Wes McKinney, il creatore della libreria, e leggibile online integralmente.

• Livello: Principiante–Intermedio
• Formato: Libro online gratuito con esempi di codice e dataset
• Accesso gratuito: Completamente gratis
• Ideale per: Imparare pandas in profondità

La terza edizione open-access copre NumPy, caricamento e pulizia dei dati, join e reshaping, plotting, operazioni di gruppo e serie temporali, con codice e dataset su GitHub sotto licenza MIT. È stata aggiornata per pandas 2.0 nell’aprile 2023.

Leggilo capitolo per capitolo quando sai scrivere un ciclo e una funzione.

Limite: Punta a pandas 2.0, quindi alcuni dettagli differiscono nelle versioni più recenti di pandas, e non ha esercizi con feedback.

La nostra scelta: Segui i corsi gratuiti su Polars di DataCamp per la struttura, usa i tutorial gratuiti su Python di DataCamp per esempi svolti e pratica gli stessi concetti in pandas con Kaggle Learn.

Risorse gratuite per progetti pratici e machine learning

Queste 5 risorse sono dove applichi ciò che hai imparato: progetti, primi modelli e aiuto quando qualcosa si rompe.

1. DataLab (sandbox)

Il notebook DataLab di DataCamp ti offre uno spazio di lavoro gratuito nel browser per i tuoi progetti dati, con un Assistente AI che scrive e spiega il codice al tuo fianco.

• Livello: Principiante–Intermedio
• Formato: Notebook nel browser con un Assistente AI
• Accesso gratuito: il piano gratuito consente 3 workbooks e 15 utilizzi dell’Assistente AI; workbooks e aiuto AI illimitati richiedono DataLab Premium
• Ideale per: Creare progetti dati con un assistente AI nel browser
• Corso introduttivo: Introduction to DataLab (completamente gratis, 1 ora)

Il piano gratuito richiede solo un account DataCamp e include 3 workbooks e 15 utilizzi dell’Assistente AI, sufficienti per completare un paio di progetti da portfolio dall’inizio alla fine. Carichi un file o colleghi un database e inizi a scrivere pandas nel browser.

Se non hai mai usato un notebook, il corso di 1 ora Introduction to DataLab è gratuito e ti fa da guida. Per idee, l’elenco di DataCamp dei 50+ progetti Python li ordina per livello.

Limite: Il limite a 3 workbooks significa che dovrai eliminare o archiviare i progetti vecchi man mano, e l’aiuto AI illimitato richiede DataLab Premium.

2. I code-along gratuiti su Python di DataCamp (video)

I code-along gratuiti su Python di DataCamp ti permettono di vedere un istruttore portare un dataset reale dai dati grezzi ai risultati, e puoi guardarli senza account.

• Livello: Principiante–Intermedio
• Formato: Video registrati di code-along con un notebook per seguire in DataLab
• Accesso gratuito: Completamente gratis
• Ideale per: Guardare un’analisi completa dai dati grezzi ai risultati

Ogni registrazione include un notebook, così puoi scrivere codice in DataLab con un account DataCamp gratuito. Quattro buoni punti da cui iniziare:

• Exploratory Data Analysis in Python for Absolute Beginners: statistiche descrittive con pandas e grafici con Plotly Express su dati di prenotazioni alberghiere.
• Absolute Beginners Analysis of Chicago City Service Data: richieste 311 di Chicago analizzate con Python e aiuto AI, incluso come revisionare codice scritto dall’AI.
• AI Python Zero-to-Hero: Build Your Own Fitness Tracker: analisi esplorativa e grafici interattivi di dati fitness.
• Getting Started with Machine Learning in Python: modelli di classificazione e regressione in scikit-learn su dati di prestiti bancari.

Limite: Sono registrazioni, quindi le sessioni più vecchie usano le versioni delle librerie dell’epoca e nessuno verifica il tuo codice.

3. freeCodeCamp Data Analysis with Python (curriculum aperto)

Data Analysis with Python di freeCodeCamp è la migliore fonte gratuita di progetti guidati per il portfolio, con 5 progetti che mettono alla prova le tue competenze su NumPy, pandas e plotting.

• Livello: Principiante–Intermedio
• Formato: Lezioni video con quiz e 5 progetti da portfolio
• Accesso gratuito: Completamente gratis
• Ideale per: Progetti per il portfolio

Le lezioni video coprono la lettura dei dati da file CSV e SQL e il lavoro con NumPy, pandas, Matplotlib e Seaborn. I progetti vanno da un calcolatore di media-varianza-deviazione standard a un visualizzatore di dati medici e a un predittore del livello del mare.

Limite: freeCodeCamp afferma che questa sezione non viene più aggiornata, quindi aspettati in alcuni punti versioni di librerie più datate; resta utile soprattutto per i progetti.

4. Documentazione di scikit-learn (documentazione)

La documentazione di scikit-learn è il riferimento gratuito più affidabile per costruire i tuoi primi modelli di machine learning in Python.

• Livello: Intermedio
• Formato: Documentazione ufficiale con esempi di codice
• Accesso gratuito: Completamente gratis
• Ideale per: I tuoi primi modelli di machine learning

La pagina Getting Started mostra fit e predict, transformer e pre-processor, e valutazione del modello in pochi brevi esempi, e la guida utente documenta poi ogni stimatore in dettaglio. La documentazione stable copre scikit-learn 1.9.1, quindi gli esempi corrispondono alla versione che installerai.

Limite: Presuppone familiarità con array NumPy e statistica di base, e spiega l’API più che la teoria dietro ogni modello.

5. ChatGPT e Claude (assistente AI)

Usa ChatGPT o Claude come compagno di studio gratuito che spiega i messaggi di errore e passa riga per riga nel tuo codice.

• Livello: Principiante–Avanzato
• Formato: Assistenti chat che spiegano e fanno debug del codice
• Accesso gratuito: Freemium: limiti d’uso nei piani gratuiti; i piani a pagamento aggiungono più uso e funzionalità
• Ideale per: Spiegare gli errori nel tuo codice

Entrambi hanno piani gratuiti: quello di ChatGPT include chat di testo illimitate, e quello di Claude può eseguire codice. Incolla un traceback e chiedi perché è accaduto, oppure chiedi di riscrivere passo passo una one-liner di pandas così vedi cosa fa ogni metodo.

La trappola è lasciare che l’assistente scriva il codice al posto tuo. Il cheat sheet Python con l’AI di DataCamp mostra come scrivere prompt che producano codice pandas e NumPy affidabile, e poi sei tu a digitare la correzione.

Limite: Entrambi possono essere sicuri ma sbagliare sui dettagli delle librerie, quindi verifica ciò che è importante sulla documentazione ufficiale.

La nostra scelta: Guarda uno dei code-along gratuiti su Python di DataCamp, poi costruisci un progetto simile tutto tuo in DataLab, usando la documentazione di scikit-learn quando arrivi alla fase di modellazione.

Percorso di apprendimento suggerito

Se parti da zero, questo ordine ti porta dalla prima riga di codice a un primo modello.

Fase 1: Impara il linguaggio

Prova le lezioni gratuite di Introduction to Python, Intermediate Python e Data Manipulation with pandas, poi lavora su Python for Everybody con il tutorial ufficiale di Python come riferimento. Punta a scrivere piccoli script con cicli, funzioni e dizionari senza dover cercare nulla.

Fase 2: Impara a lavorare con i dati

Segui affiancati i corsi gratuiti su Polars di DataCamp e il corso Pandas di Kaggle Learn, e usa i tutorial su pandas e Seaborn e Python for Data Analysis per andare in profondità. Alla fine dovresti saper caricare un CSV disordinato, pulirlo, unirlo a un’altra tabella e riassumerlo per gruppo.

Fase 3: Costruisci progetti e un primo modello

Guarda un code-along, realizza i progetti di freeCodeCamp, poi esegui un tuo progetto in DataLab, usando la documentazione di scikit-learn per la fase di modellazione. Se preferisci seguire un percorso unico strutturato, il percorso professionale a pagamento di DataCamp Associate Data Scientist in Python copre tutte e 3 le fasi in un unico posto.

Come abbiamo scelto queste risorse

• L’accesso gratuito è stato verificato alla data del timbro sulle rispettive pagine delle risorse; le prove gratuite sono state escluse e qui non c’è nulla solo in modalità audit.
• Le risorse citate nelle liste più consigliate di Python gratuito sono state incluse o escluse con una motivazione. Learn Python 3 di Codecademy, ad esempio, è spesso menzionato ma è solo in abbonamento.
• Per i corsi, le valutazioni sono mostrate solo sopra le 200 recensioni, e i corsi non aggiornati da 18 mesi sono esclusi come voci dell’elenco.
• Le risorse esterne sono descritte in prosa, senza schede statistiche, perché non abbiamo dati di valutazione verificati per esse.
• Abbiamo favorito risorse che insegnano librerie per i dati (pandas, NumPy, Polars, scikit-learn) rispetto al materiale di programmazione generale, poiché questa lista è per la data science.

Considerazioni finali

Se non hai mai programmato, inizia con le lezioni gratuite dei corsi Python di DataCamp e con Python for Everybody; se già conosci le basi, vai direttamente ai corsi gratuiti su Polars di DataCamp. In ogni caso, passa ai progetti in DataLab il prima possibile, perché è nei progetti che le risorse gratuite iniziano a fare la differenza.

Il gratuito basta per imparare Python per la data science; ciò che non offre è un percorso unico e connesso o feedback su ogni esercizio. Se vuoi entrambi, il percorso professionale a pagamento di DataCamp Associate Data Scientist in Python mette tutto in un’unica sequenza.