Os melhores recursos gratuitos para aprender Python para ciência de dados em 2026

Material gratuito de Python para ciência de dados é fácil de encontrar e difícil de organizar. O tutorial oficial de Python não fala de DataFrame, muitos cursos "gratuitos" travam os exercícios atrás de assinatura, e pelo menos uma das trilhas mais recomendadas parou de ser atualizada em silêncio.

Esta lista é para 2 perfis: quem nunca escreveu código e quem já sabe o básico de Python mas ainda não trabalhou de verdade com pandas, NumPy ou scikit-learn. Avaliamos cada recurso pelo quanto é realmente gratuito, como ele se encaixa nos demais e com que frequência profissionais o recomendam — e dizemos exatamente onde para o acesso grátis. Para ver o panorama antes de começar, o guia da DataCamp sobre como aprender Python do zero mostra todo o caminho.

Acesso grátis e dados dos cursos verificados pela última vez em 29 de outubro de 2026.

Comparativo de recursos gratuitos de Python para ciência de dados

Aqui estão os 12 recursos em um só lugar, na ordem em que recomendamos usar.

Recursos gratuitos para aprender o básico de Python

Estes 3 recursos cobrem a linguagem Python em si, de variáveis a funções, antes de qualquer biblioteca de dados entrar em cena.

1. Primeiras aulas gratuitas dos cursos de Python da DataCamp (aulas interativas)

Os cursos de Python da DataCamp começam com uma aula gratuita para você escrever e executar Python no navegador antes de instalar qualquer coisa.

• Nível: Iniciante
• Formato: Aulas interativas, cerca de 50 a 60 minutos por aula gratuita
• Acesso grátis: Freemium: a primeira aula de cada curso é gratuita; depois, Premium a partir de US$ 14/mês com cobrança anual
• Ideal para: Testar Python no navegador sem configuração

Os 3 cursos por onde eu começaria são Introduction to Python, Intermediate Python e Data Manipulation with pandas, nessa ordem. O primeiro já foca em análise de dados e apresenta pacotes populares cedo, e o terceiro traz o pandas, a biblioteca de DataFrame em que a maior parte desta lista se apoia.

Colocamos estes primeiro porque o mais difícil da semana 1 geralmente é a configuração, não a sintaxe. Trabalhar no navegador elimina essa etapa até você ter certeza de que quer continuar.

Limitação: Nestes 3 cursos apenas a aula inicial é gratuita; o restante exige Premium.

2. O tutorial oficial de Python (documentação)

O tutorial oficial de Python é a explicação gratuita mais precisa da linguagem, escrita por quem a mantém.

• Nível: Iniciante a intermediário
• Formato: Tutorial oficial escrito
• Acesso grátis: Totalmente grátis
• Ideal para: Aprender a sintaxe central na fonte

Ele percorre fluxo de controle, estruturas de dados, módulos, erros e exceções e classes, com exemplos curtos que você pode colar em um interpretador. O tutorial acompanha a documentação do Python 3.15, então descreve a versão atual da linguagem, não uma de anos atrás.

Use-o ao lado de um curso, não no lugar. Quando uma aula passa rápido por fatiamento de listas ou métodos de dicionário, aqui você encontra a resposta precisa.

Limitação: Não tem exercícios nem feedback, e para antes de pandas, NumPy ou qualquer outra biblioteca de dados.

3. Python for Everybody (curso)

Python for Everybody é o melhor curso completo gratuito para iniciantes que preferem aulas em vídeo, com livro gratuito e tarefas autovalidadas no próprio site.

• Nível: Iniciante
• Formato: Aulas em vídeo, livro gratuito e tarefas autovalidadas
• Acesso grátis: Totalmente grátis
• Ideal para: Iniciantes que preferem vídeo

O site oferece aulas, livro e tarefas gratuitamente, e ao fazer login você entra em um curso gratuito com boletim, tarefas autovalidadas e fóruns de discussão. Os materiais têm licença Creative Commons Attribution 4.0, por isso o mesmo curso aparece em várias plataformas.

Ele volta e meia aparece em listas de recursos gratuitos — e o motivo é o ritmo: não pressupõe nenhuma experiência prévia com código.

Limitação: Ensina programação geral, então você não verá pandas, NumPy ou bibliotecas de visualização aqui.

Nossa escolha: Comece pelas primeiras aulas gratuitas dos cursos de Python da DataCamp para ver se a lógica de código encaixa, depois faça o Python for Everybody e mantenha o tutorial oficial aberto para consultar a sintaxe exata.

Recursos gratuitos para aprender análise de dados com Python

Quando o básico estiver confortável, estes 4 recursos ensinam as bibliotecas de DataFrame que sustentam a maior parte do trabalho com dados em Python.

1. Cursos gratuitos de Polars da DataCamp (curso)

Os 3 cursos de Polars da DataCamp são a única trilha de DataFrame totalmente gratuita e estruturada desta lista, da sua primeira consulta até pipelines prontos para produção.

• Nível: Iniciante a intermediário
• Formato: 3 cursos interativos, 11 h no total
• Acesso grátis: Totalmente grátis
• Ideal para: Uma trilha de DataFrame totalmente gratuita: da primeira consulta a pipelines de produção

Introduction to Polars ensina a limpar, remodelar e analisar dados. Data Transformation with Polars adiciona manipulação de texto, estatísticas móveis, junções de DataFrame e análises mais avançadas, e Scaling and Optimizing Data Pipelines with Polars mostra como otimizar, escalar e testar seus pipelines. Os 3 são ministrados por Liam Brannigan, colaborador do Polars.

Depois de concluí-los, o tutorial Polars read_csv() da DataCamp mostra como carregar CSVs grandes com um esquema definido.

Limitação: A maioria dos outros recursos desta lista, incluindo Kaggle Learn e Python for Data Analysis, ensina pandas e não Polars, então planeje aprender ambos.

2. Tutoriais gratuitos de Python da DataCamp (tutoriais)

Os tutoriais gratuitos de Python da DataCamp percorrem cada habilidade de ciência de dados com código executável — dos primeiros exercícios à avaliação de um modelo de machine learning.

• Nível: Iniciante a intermediário
• Formato: Tutoriais escritos com código executável
• Acesso grátis: Totalmente grátis
• Ideal para: Exemplos práticos do básico de Python à avaliação de modelos

Estes 6 seguem uma ordem coerente:

• Python Exercises for Beginners: pratique de variáveis simples até funções, estruturas de dados e projetos guiados, com respostas.

• Python pandas Tutorial: o guia do iniciante para DataFrames.

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

• Python Seaborn Tutorial: visualização estatística de dados.

• Ensemble Learning in Python: bagging vs. boosting, random forest e XGBoost em um conjunto de dados real.

• Precision vs Recall: como escolher a métrica certa para o seu modelo.

Todos os 6 foram publicados ou atualizados em 2026, e a categoria completa de Python tem centenas de outros quando você precisar de uma função específica. Para o básico de gráficos, o tutorial de Matplotlib combina bem com o de Seaborn.

Limitação: Tutoriais mostram um caminho resolvido; você não recebe feedback sobre o seu próprio código como em exercícios.

3. Kaggle Learn (site de prática)

Kaggle Learn é a forma mais rápida e gratuita de praticar pandas em dados reais, com cursos curtos que o Kaggle oferece sem custo.

• Nível: Iniciante a intermediário
• Formato: Cursos curtos com exercícios práticos em notebooks do Kaggle
• Acesso grátis: Totalmente grátis
• Ideal para: Exercícios curtos de pandas e machine learning em dados reais

A trilha de dados vai de Intro to Programming e Python a Pandas, Data Visualization, Data Cleaning e Feature Engineering, e o curso de Pandas leva cerca de 4 horas. Cada lição combina um tutorial curto com um notebook de exercícios, então você escreve código em um dataset real desde a primeira aula.

Eu usaria como camada de prática ao lado de um curso: as explicações são breves por design, e é nos exercícios que a aprendizagem acontece.

Limitação: As lições são curtas e pressupõem que você pesquise o que ficar de fora; iniciantes absolutos podem achar os saltos íngremes.

4. Python for Data Analysis (3ª edição, open access) (livro)

Python for Data Analysis é o livro gratuito definitivo sobre pandas, escrito por Wes McKinney, o criador da biblioteca, e pode ser lido online na íntegra.

• Nível: Iniciante a intermediário
• Formato: Livro online gratuito com exemplos de código e datasets
• Acesso grátis: Totalmente grátis
• Ideal para: Aprender pandas em profundidade

A terceira edição de acesso aberto cobre NumPy, carga e limpeza de dados, junção e remodelagem, gráficos, operações por grupo e séries temporais, com código e datasets no GitHub sob licença MIT. Foi atualizada para o pandas 2.0 em abril de 2023.

Leia capítulo a capítulo assim que você souber escrever um loop e uma função.

Limitação: Foca o pandas 2.0, então alguns detalhes mudaram em versões mais novas, e não há exercícios com feedback.

Nossa escolha: Faça os cursos gratuitos de Polars da DataCamp para ter estrutura, use os tutoriais gratuitos de Python da DataCamp para exemplos práticos e pratique as mesmas ideias em pandas com o Kaggle Learn.

Recursos gratuitos para projetos práticos e machine learning

Estes 5 recursos são onde você aplica o que aprendeu: projetos, primeiros modelos e ajuda quando algo quebra.

1. DataLab (sandbox)

O notebook DataLab da DataCamp oferece um espaço gratuito no navegador para seus próprios projetos de dados, com um Assistente de IA que escreve e explica código ao seu lado.

• Nível: Iniciante a intermediário
• Formato: Notebook no navegador com Assistente de IA
• Acesso grátis: o plano gratuito permite 3 workbooks e 15 usos do Assistente de IA; workbooks e ajuda de IA ilimitados exigem o DataLab Premium
• Ideal para: Criar projetos de dados com um assistente de IA no navegador
• Curso inicial: Introduction to DataLab (totalmente grátis, 1 h)

O plano gratuito só precisa de uma conta DataCamp e inclui 3 workbooks e 15 usos do Assistente de IA — o suficiente para concluir alguns projetos de portfólio do início ao fim. Você faz upload de um arquivo ou conecta um banco de dados e começa a escrever pandas no navegador.

Se nunca usou um notebook, o curso de 1 hora Introduction to DataLab é gratuito e mostra o ambiente. Para ideias, a lista da DataCamp com 50+ projetos em Python organiza por nível.

Limitação: O limite de 3 workbooks faz você excluir ou arquivar projetos antigos conforme avança, e ajuda de IA ilimitada exige o DataLab Premium.

2. Code-alongs gratuitos de Python da DataCamp (vídeo)

Os code-alongs gratuitos de Python da DataCamp permitem assistir um instrutor levar um dataset real do bruto ao resultado, e você pode assistir sem conta.

• Nível: Iniciante a intermediário
• Formato: Vídeos gravados de code-along com notebook para acompanhar no DataLab
• Acesso grátis: Totalmente grátis
• Ideal para: Ver uma análise completa do bruto ao resultado

Cada gravação vem com um notebook para você acompanhar no DataLab com uma conta gratuita da DataCamp. Quatro boas opções para começar:

• Exploratory Data Analysis in Python for Absolute Beginners: estatísticas descritivas com pandas e gráficos com Plotly Express em dados de reservas de hotéis.
• Absolute Beginners Analysis of Chicago City Service Data: requisições 311 de Chicago analisadas com Python e ajuda de IA, incluindo como revisar código escrito por IA.
• AI Python Zero-to-Hero: Build Your Own Fitness Tracker: análise exploratória e gráficos interativos de dados de fitness.
• Getting Started with Machine Learning in Python: modelos de classificação e regressão no scikit-learn com dados de empréstimos bancários.

Limitação: São gravações, então sessões mais antigas usam versões da época, e ninguém corrige o seu código.

3. freeCodeCamp Data Analysis with Python (currículo aberto)

O Data Analysis with Python do freeCodeCamp é a melhor fonte gratuita de projetos guiados para portfólio, com 5 projetos que testam suas habilidades em NumPy, pandas e visualização.

• Nível: Iniciante a intermediário
• Formato: Aulas em vídeo com quizzes e 5 projetos de portfólio
• Acesso grátis: Totalmente grátis
• Ideal para: Projetos de portfólio

As aulas cobrem leitura de dados de arquivos CSV e SQL e o uso de NumPy, pandas, Matplotlib e Seaborn. Os projetos vão de uma calculadora de média-variância-desvio padrão a um visualizador de dados médicos e um preditor de nível do mar.

Limitação: O freeCodeCamp informa que esta seção não está mais sendo atualizada, então espere versões mais antigas de bibliotecas em alguns pontos; segue útil principalmente pelos projetos.

4. Documentação do scikit-learn (documentação)

A documentação do scikit-learn é a referência gratuita mais confiável para construir seus primeiros modelos de machine learning em Python.

• Nível: Intermediário
• Formato: Documentação oficial com exemplos de código
• Acesso grátis: Totalmente grátis
• Ideal para: Seus primeiros modelos de machine learning

A página Getting Started mostra ajuste e predição, transformadores e pré-processadores e avaliação de modelos em alguns exemplos curtos, e o guia do usuário documenta cada estimador em detalhe. A documentação estável cobre o scikit-learn 1.9.1, então os exemplos batem com a versão que você vai instalar.

Limitação: Pressupõe conforto com arrays NumPy e estatística básica, e explica a API, não a teoria por trás de cada modelo.

5. ChatGPT e Claude (assistente de IA)

Use o ChatGPT ou o Claude como parceiro de estudos gratuito que explica mensagens de erro e percorre seu próprio código linha a linha.

• Nível: Iniciante a avançado
• Formato: Assistentes de chat que explicam e depuram código
• Acesso grátis: Freemium: limites de uso nos planos gratuitos; planos pagos adicionam mais uso e recursos
• Ideal para: Explicar erros no seu próprio código

Ambos têm planos gratuitos: o do ChatGPT inclui chats de texto ilimitados, e o do Claude pode executar código. Cole um traceback e pergunte por que aconteceu, ou peça para reescrever passo a passo um one-liner de pandas para ver o que cada método faz.

O risco é deixar o assistente escrever o código por você. O cheat sheet Python com IA da DataCamp mostra como criar prompts que geram código confiável em pandas e NumPy — e aí você mesmo digita a correção.

Limitação: Ambos podem errar com confiança em detalhes de bibliotecas; confira o que for importante na documentação oficial.

Nossa escolha: Assista a um dos code-alongs gratuitos de Python da DataCamp e depois crie um projeto parecido no DataLab, consultando a documentação do scikit-learn quando chegar à etapa de modelagem.

Roteiro sugerido de aprendizagem

Se você está começando do zero, esta ordem leva da sua primeira linha de código ao primeiro modelo.

Etapa 1: aprenda a linguagem

Experimente as aulas gratuitas de Introduction to Python, Intermediate Python e Data Manipulation with pandas; depois, faça o Python for Everybody tendo o tutorial oficial como referência. Busque escrever scripts curtos com loops, funções e dicionários sem consultar nada.

Etapa 2: aprenda a trabalhar com dados

Faça os cursos gratuitos de Polars da DataCamp e o curso de Pandas do Kaggle Learn lado a lado, e use os tutoriais de pandas e Seaborn e o Python for Data Analysis para aprofundar. Ao final, você deve conseguir carregar um CSV bagunçado, limpá-lo, uni-lo a outra tabela e resumi-lo por grupo.

Etapa 3: crie projetos e um primeiro modelo

Assista a um code-along, construa os projetos do freeCodeCamp e depois rode um projeto seu no DataLab, usando a documentação do scikit-learn na etapa de modelagem. Se preferir seguir uma trilha única e estruturada, a carreira Associate Data Scientist in Python paga da DataCamp cobre as 3 etapas em um só lugar.

Como escolhemos estes recursos

• O acesso gratuito foi verificado na data do carimbo na própria página de cada recurso; testes gratuitos foram excluídos e nada aqui é apenas modo "ouvinte".
• Recursos citados com frequência nas listas mais recomendadas de Python grátis foram incluídos ou excluídos com justificativa. O Learn Python 3 da Codecademy, por exemplo, é citado, mas exige assinatura.
• Para cursos, mostramos avaliações apenas acima de 200 reviews, e cursos não atualizados em 18 meses foram excluídos como entradas da lista.
• Recursos externos são descritos em prosa, sem faixas de métricas, porque não temos dados de avaliação verificados para eles.
• Priorizamos recursos que ensinam bibliotecas de dados (pandas, NumPy, Polars, scikit-learn) em vez de material de programação geral, já que esta lista é para ciência de dados.

Considerações finais

Se você nunca programou, comece pelas aulas gratuitas dos cursos de Python da DataCamp e pelo Python for Everybody; se já sabe o básico, vá direto para os cursos gratuitos de Polars da DataCamp. De qualquer forma, avance para projetos no DataLab o quanto antes — é nos projetos que os recursos gratuitos começam a somar de verdade.

Gratuito é suficiente para aprender Python para ciência de dados; o que falta é um caminho único e conectado e feedback em todo exercício. Se você quer ambos, a carreira Associate Data Scientist in Python paga da DataCamp coloca tudo em uma sequência só.