De beste gratis bronnen om Python voor data science te leren in 2026

Gratis Python-materiaal voor data science is makkelijk te vinden en lastig te ordenen. De officiële Python-tutorial raakt nooit een DataFrame aan, veel "gratis" cursussen zetten hun oefeningen achter een abonnement, en minstens één van de meest aanbevolen datacurricula wordt stiekem niet meer bijgewerkt.

Deze lijst is voor 2 lezers: iemand die nog nooit code heeft geschreven, en iemand die basis-Python kent maar nog niet echt met pandas, NumPy of scikit-learn heeft gewerkt. We hebben elke bron beoordeeld op hoeveel ervan gratis is, hoe goed het voortbouwt op de rest, en hoe vaak professionals het aanbevelen, en we zeggen precies waar elk gratis niveau stopt. Voor het grotere plaatje voordat je begint, zet DataCamp's gids over Python vanaf nul leren de hele route uiteen.

Gratis toegang en cursusdata voor het laatst geverifieerd op 29 oktober 2026.

Gratis Python Data Science-bronnen vergeleken

Hier zijn alle 12 bronnen in één oogopslag, in de volgorde waarin we aanraden ze te gebruiken.

Gratis bronnen om de Python-basis te leren

Deze 3 bronnen behandelen de taal Python zelf, van variabelen tot functies, voordat er een datalibrary in beeld komt.

1. Gratis eerste lessen van DataCamp's Python-cursussen (interactieve lessen)

DataCamp's Python-cursussen beginnen met een gratis les, zodat je Python in de browser kunt schrijven en uitvoeren voordat je iets installeert.

• Niveau: Beginner
• Formaat: Interactieve cursuslessen, ongeveer 50 tot 60 minuten per gratis les
• Gratis toegang: Freemium: de eerste les van elke cursus is gratis, daarna Premium vanaf $14/maand jaarlijks gefactureerd
• Beste voor: Python in de browser proberen zonder setup

De 3 cursussen waarmee ik zou beginnen zijn Introduction to Python, Intermediate Python en Data Manipulation with pandas, in die volgorde. De eerste is vanaf het begin gebouwd voor data-analyse en introduceert vroege populaire pakketten, en de derde brengt pandas in, de DataFrame-library waar het grootste deel van deze lijst op leunt.

We zetten deze eerst omdat het lastigste deel van week 1 meestal de setup is, niet de syntax. Werken in de browser haalt die stap weg totdat je weet dat je wilt doorgaan.

Beperking: In deze 3 cursussen is alleen de openingsles gratis en voor de rest heb je Premium nodig.

2. De officiële Python-tutorial (documentatie)

De officiële Python-tutorial is de meest nauwkeurige gratis uitleg van de taal, geschreven door de mensen die haar onderhouden.

• Niveau: Beginner tot gemiddeld
• Formaat: Officiële geschreven tutorial
• Gratis toegang: Volledig gratis
• Beste voor: Kernsyntax leren bij de bron

Hij loopt door control flow, datastructuren, modules, errors en exceptions en classes, met korte codevoorbeelden die je in een interpreter kunt plakken. De tutorial wordt meegeleverd met de Python 3.15-documentatie, dus hij beschrijft de huidige taalversie in plaats van een van enkele jaren geleden.

Gebruik hem naast een cursus en niet in plaats daarvan. Wanneer een les vluchtig over lijst-slicing of dictionary-methoden heen gaat, vind je hier het precieze antwoord.

Beperking: Er zijn geen oefeningen of feedback en het stopt vóór pandas, NumPy of een andere datalibrary.

3. Python for Everybody (cursus)

Python for Everybody is de beste gratis volledige cursus voor beginners die de voorkeur geven aan colleges, met een gratis tekstboek en automatisch nagekeken opdrachten op de eigen site.

• Niveau: Beginner
• Formaat: Videocolleges, een gratis tekstboek en automatisch nagekeken opdrachten
• Gratis toegang: Volledig gratis
• Beste voor: Video-first beginners

De site geeft je colleges, een boek en opdrachten gratis, en inloggen voegt je toe aan een gratis cursus met een cijferlijst, automatisch nagekeken opdrachten en discussieforums. Het materiaal is gelicenseerd onder Creative Commons Attribution 4.0, daarom draait dezelfde cursus ook op verschillende andere platformen.

Hij duikt keer op keer op in concurrerende lijsten met gratis bronnen, en de reden is het tempo: er wordt van nul programmeerkennis uitgegaan.

Beperking: Het leert algemene programmering, dus je komt hier geen pandas, NumPy of plotting-libraries tegen.

Onze keuze: Begin met de gratis eerste lessen van DataCamp's Python-cursussen om te zien of coderen klikt, werk daarna Python for Everybody door en houd De officiële Python-tutorial open voor exacte syntax.

Gratis bronnen om data-analyse met Python te leren

Als de basis vertrouwd voelt, leren deze 4 bronnen de DataFrame-libraries waarop het meeste datawerk in Python draait.

1. DataCamp's gratis Polars-cursussen (cursus)

DataCamp's 3 Polars-cursussen zijn het enige volledig gratis, gestructureerde DataFrame-pad in deze lijst, van je eerste query tot productieklare pijplijnen.

• Niveau: Beginner tot gemiddeld
• Formaat: 3 interactieve cursussen, in totaal 11 uur
• Gratis toegang: Volledig gratis
• Beste voor: Een volledig gratis DataFrame-pad van eerste query tot productie-pijplijnen

Introduction to Polars leert je data opschonen, herstructureren en analyseren. Data Transformation with Polars voegt tekstbewerking, rollende statistiek, DataFrame-joins en meer geavanceerde analytics toe, en Scaling and Optimizing Data Pipelines with Polars laat zien hoe je je pijplijnen optimaliseert, schaalt en test. Alle 3 worden gegeven door Liam Brannigan, een Polars-contributor.

Als je ze hebt afgerond, laat DataCamp's Polars read_csv()-tutorial zien hoe je grote CSV-bestanden met een gedefinieerd schema laadt.

Beperking: De meeste andere bronnen in deze lijst, waaronder Kaggle Learn en Python for Data Analysis, leren pandas in plaats van Polars, dus plan om beide te leren.

2. DataCamp's gratis Python-tutorials (tutorials)

DataCamp's gratis Python-tutorials lopen per datascience-vaardigheid door met uitvoerbare code, van je eerste oefeningen tot het evalueren van een machine learning-model.

• Niveau: Beginner tot gemiddeld
• Formaat: Geschreven tutorials met uitvoerbare code
• Gratis toegang: Volledig gratis
• Beste voor: Uitgewerkte voorbeelden van Python-basis tot model-evaluatie

Deze 6 vormen een logische volgorde:

• Python Exercises for Beginners: oefenen van eenvoudige variabelen tot functies, datastructuren en begeleide projecten, met antwoorden.

• Python pandas Tutorial: de beginnersgids voor DataFrames.

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

• Python Seaborn Tutorial: statistische datavisualisatie.

• Ensemble Learning in Python: bagging vs boosting, random forest en XGBoost op een echte dataset.

• Precision vs Recall: de juiste metriek kiezen voor je model.

Alle 6 zijn gepubliceerd of bijgewerkt in 2026, en de volledige Python-categorie heeft er honderden meer wanneer je een specifieke functie nodig hebt. Voor plotting-basis sluit de Matplotlib-tutorial goed aan op die van Seaborn.

Beperking: Tutorials laten één uitgewerkte route zien, dus je krijgt geen feedback op je eigen code zoals bij een oefening.

3. Kaggle Learn (oefensite)

Kaggle Learn is de snelste gratis manier om pandas op echte data te oefenen, met korte cursussen die Kaggle kosteloos aanbiedt.

• Niveau: Beginner tot gemiddeld
• Formaat: Korte cursussen met hands-on oefeningen in Kaggle-notebooks
• Gratis toegang: Volledig gratis
• Beste voor: Korte pandas- en machine learning-oefeningen op echte data

De datatrack loopt van Intro to Programming en Python tot Pandas, Data Visualization, Data Cleaning en Feature Engineering, en de Pandas-cursus duurt ongeveer 4 uur. Elke les koppelt een korte tutorial aan een oefennotebook, zodat je vanaf les 1 code schrijft tegen een echte dataset.

Ik zou het gebruiken als de oefenlaag naast een cursus: de uitleg is bewust kort, en de oefeningen zijn waar het leren gebeurt.

Beperking: De lessen zijn kort en gaan ervan uit dat je opzoekt wat ze overslaan, dus voor absolute beginners kunnen de sprongen groot zijn.

4. Python for Data Analysis (3e editie, open access) (boek)

Python for Data Analysis is het gezaghebbende gratis boek over pandas, geschreven door Wes McKinney, de maker van de library, en gratis volledig online te lezen.

• Niveau: Beginner tot gemiddeld
• Formaat: Gratis online boek met codevoorbeelden en datasets
• Gratis toegang: Volledig gratis
• Beste voor: pandas in de diepte leren

De open-access derde editie behandelt NumPy, data laden en opschonen, samenvoegen en herstructureren, plotten, groepsbewerkingen en tijdreeksen, met code en datasets op GitHub onder de MIT-licentie. Het is in april 2023 bijgewerkt voor pandas 2.0.

Lees het hoofdstuk voor hoofdstuk zodra je een lus en een functie kunt schrijven.

Beperking: Het richt zich op pandas 2.0, dus een paar details verschillen in nieuwere pandas-versies, en er zijn geen oefeningen met feedback.

Onze keuze: Volg DataCamp's gratis Polars-cursussen voor structuur, gebruik DataCamp's gratis Python-tutorials voor uitgewerkte voorbeelden en oefen dezelfde ideeën in pandas met Kaggle Learn.

Gratis bronnen voor oefenprojecten en machine learning

Deze 5 bronnen zijn waar je toepast wat je hebt geleerd: projecten, eerste modellen en hulp als iets stukgaat.

1. DataLab (sandbox)

DataCamp's DataLab-notebook geeft je een gratis browserwerkplek voor je eigen dataprojecten, met een AI Assistant die code naast je schrijft en uitlegt.

• Niveau: Beginner tot gemiddeld
• Formaat: Browser-notebook met een AI Assistant
• Gratis toegang: het gratis plan biedt 3 werkboeken en 15 AI Assistant-gebruiksmomenten; onbeperkte werkboeken en AI-hulp vereisen DataLab Premium
• Beste voor: Dataprojecten bouwen met een AI-assistent in de browser
• Startcursus: Introduction to DataLab (volledig gratis, 1 uur)

Voor het gratis plan heb je alleen een DataCamp-account nodig en het omvat 3 werkboeken en 15 AI Assistant-gebruiksmomenten, genoeg om een paar portfolioprojecten van begin tot eind af te ronden. Je uploadt een bestand of koppelt een database en begint pandas te schrijven in de browser.

Als je nog nooit een notebook hebt gebruikt, is de 1 uur durende cursus Introduction to DataLab gratis en laat hij je rondkijken. Voor ideeën sorteert DataCamp's lijst met 50+ Python-projecten ze op niveau.

Beperking: De limiet van 3 werkboeken betekent dat je gaandeweg oude projecten verwijdert of archiveert, en onbeperkte AI-hulp vereist DataLab Premium.

2. DataCamp's gratis Python code-alongs (video)

DataCamp's gratis Python code-alongs laten je een instructeur een echte dataset van ruwe data tot resultaten zien brengen, en je kunt ze zonder account bekijken.

• Niveau: Beginner tot gemiddeld
• Formaat: Opgenomen code-alongvideo's met een notebook om in DataLab mee te doen
• Gratis toegang: Volledig gratis
• Beste voor: Een volledige analyse bekijken van ruwe data tot resultaat

Elke opname komt met een notebook, zodat je in DataLab kunt meekoderen met een gratis DataCamp-account. Vier goede om mee te beginnen:

• Exploratory Data Analysis in Python for Absolute Beginners: samenvattende statistiek met pandas en grafieken met Plotly Express op hotelboekingsdata.
• Absolute Beginners Analysis of Chicago City Service Data: Chicago 311-verzoeken geanalyseerd met Python en AI-hulp, inclusief hoe je AI-geschreven code beoordeelt.
• AI Python Zero-to-Hero: Build Your Own Fitness Tracker: verkennende analyse en interactieve grafieken van fitnessdata.
• Getting Started with Machine Learning in Python: classificatie- en regressiemodellen in scikit-learn op bankleningsdata.

Beperking: Het zijn opnames, dus de oudere sessies gebruiken de libraryversies van toen, en niemand controleert jouw eigen code.

3. freeCodeCamp Data Analysis with Python (open curriculum)

freeCodeCamp's Data Analysis with Python is de beste gratis bron voor begeleide portfolioprojecten, met 5 projecten die je NumPy-, pandas- en plotting-vaardigheden testen.

• Niveau: Beginner tot gemiddeld
• Formaat: Videolessen met quizzen en 5 portfolioprojecten
• Gratis toegang: Volledig gratis
• Beste voor: Portfolioprojecten

De videolessen behandelen data lezen uit CSV-bestanden en SQL en werken met NumPy, pandas, Matplotlib en Seaborn. De projecten lopen van een Mean-Variance-Standard Deviation Calculator tot een Medical Data Visualizer en een Sea Level Predictor.

Beperking: freeCodeCamp zegt dat dit onderdeel niet meer wordt bijgewerkt, dus reken op oudere libraryversies op plekken; het blijft vooral nuttig voor de projecten.

4. scikit-learn-documentatie (documentatie)

De scikit-learn-documentatie is de meest betrouwbare gratis referentie voor het bouwen van je eerste machine learning-modellen in Python.

• Niveau: Gemiddeld
• Formaat: Officiële documentatie met codevoorbeelden
• Gratis toegang: Volledig gratis
• Beste voor: Je eerste machine learning-modellen

De Getting Started-pagina laat fitten en voorspellen zien, transformers en preprocessors, en model-evaluatie in een paar korte voorbeelden, en de gebruikersgids documenteert vervolgens elke estimator in detail. De stabiele documentatie dekt scikit-learn 1.9.1, dus de voorbeelden komen overeen met de versie die je installeert.

Beperking: Er wordt van uitgegaan dat je vertrouwd bent met NumPy-arrays en basisstatistiek, en het legt de API uit in plaats van de theorie achter elk model.

5. ChatGPT en Claude (AI-assistent)

Gebruik ChatGPT of Claude als een gratis studiemaatje dat foutmeldingen uitlegt en je eigen code regel voor regel doorloopt.

• Niveau: Beginner tot gevorderd
• Formaat: Chat-assistenten die code uitleggen en debuggen
• Gratis toegang: Freemium: gebruikslimieten op de gratis plannen; betaalde plannen voegen meer gebruik en features toe
• Beste voor: Fouten in je eigen code uitleggen

Beide hebben gratis plannen: dat van ChatGPT omvat onbeperkte tekstchats, en dat van Claude kan code uitvoeren. Plak een traceback en vraag waarom het gebeurde, of vraag om een pandas one-liner stap voor stap te herschrijven zodat je ziet wat elke methode doet.

De valkuil is de assistent de code voor je laten schrijven. DataCamp's Python met AI-cheat sheet laat zien hoe je prompts schrijft die betrouwbare pandas- en NumPy-code opleveren, en daarna typ je de fix zelf.

Beperking: Beide kunnen vol vertrouwen verkeerd zitten over librarydetails, dus controleer alles wat belangrijk is tegen de officiële documentatie.

Onze keuze: Kijk een van DataCamp's gratis Python code-alongs en bouw daarna een vergelijkbaar eigen project in DataLab, met de scikit-learn-documentatie wanneer je bij de modelstap komt.

Voorgesteld leerpad

Als je vanaf nul begint, brengt deze volgorde je van je eerste regel code naar een eerste model.

Fase 1: Leer de taal

Probeer de gratis lessen in Introduction to Python, Intermediate Python en Data Manipulation with pandas, werk daarna Python for Everybody door met de officiële Python-tutorial als naslag. Streef ernaar kleine scripts met lussen, functies en dictionaries te schrijven zonder iets op te zoeken.

Fase 2: Leer werken met data

Volg DataCamp's gratis Polars-cursussen en de Kaggle Learn Pandas-cursus naast elkaar, en gebruik de pandas- en Seaborn-tutorials en Python for Data Analysis voor verdieping. Aan het eind moet je een rommelige CSV kunnen laden, opschonen, koppelen aan een andere tabel en per groep samenvatten.

Fase 3: Bouw projecten en een eerste model

Kijk een code-along, bouw de freeCodeCamp-projecten, en voer dan een eigen project uit in DataLab, met de scikit-learn-documentatie voor de modelstap. Als je liever één gestructureerd pad volgt, dekt DataCamp's betaalde Associate Data Scientist in Python-carrièretrack alle 3 de fasen op één plek.

Hoe we deze bronnen kozen

• Gratis toegang is op de stempeldatum geverifieerd op de eigen pagina van elke bron; gratis proefversies zijn uitgesloten en niets hier is alleen audit-toegang.
• Bronnen die in de meest aanbevolen lijsten met gratis Python-bronnen voorkwamen, zijn opgenomen of uitgesloten met een reden. Codecademy's Learn Python 3, bijvoorbeeld, wordt vaak genoemd maar is alleen met abonnement.
• Voor cursussen tonen we beoordelingen alleen boven 200 reviews, en cursussen die in 18 maanden niet zijn bijgewerkt, worden uitgesloten als lijstitems.
• Externe bronnen worden in lopende tekst beschreven, zonder stat-strips, omdat we daar geen geverifieerde beoordelingsdata voor hebben.
• We gaven de voorkeur aan bronnen die datalibraries (pandas, NumPy, Polars, scikit-learn) onderwijzen boven algemene programmeermateriaal, omdat deze lijst voor data science is.

Tot slot

Als je nog nooit hebt gecodeerd, begin dan met de gratis lessen in DataCamp's Python-cursussen en Python for Everybody; als je de basis al kent, ga dan direct naar DataCamp's gratis Polars-cursussen. Ga in beide gevallen zo snel mogelijk door naar projecten in DataLab, want bij projecten beginnen de gratis bronnen op te tellen.

Gratis is genoeg om Python voor data science te leren; wat het je niet geeft is één verbonden pad of feedback op elke oefening. Als je beide wilt, zet DataCamp's betaalde Associate Data Scientist in Python-carrièretrack alles in één volgorde.