Sehen Sie sich auch die Ergebnisse der Python-Entwicklerumfrage aus den Jahren 2020, 2019, 2018 und 2017 an.

Inhalt

Python-Nutzung allgemein

Python als Haupt- und Nebensprache

In den vergangenen 4 Jahren ist der Anteil der Entwickler*innen, die Python als Hauptsprache verwenden, mit 84–85% weitgehend gleich geblieben.

Verwendung von Python mit anderen Sprachen100+

2021
2020
40%/41%38%/38%33%/35%33%/33%30%/29%20%/20%11%/11%10%/9%9%/8%9%/10%6%/5%5%/6%4%/4%3%/3%
Alle Ergebnisse ▼

JavaScript ist die Sprache, die am häufigsten zusammen mit Python verwendet wird. Allerdings ist bei Befragten, die Python als Nebensprache verwenden, C/C++ ähnlich populär wie JavaScript. HTML/CSS, Bash/Shell und SQL sind ebenfalls weit verbreitet und werden jeweils von mehr als einem Drittel der Python-Entwickler*innen verwendet.

Sprachen für Web und Data Science100+

Data Science
Webentwicklung
42%/49%37%/45%36%/69%34%/60%33%/19%20%/16%14%/2%11%/10%9%/22%8%/11%6%/15%6%/8%4%/2%3%/4%18%/15%9%/3%

„Webentwicklung“ bezeichnet Personen, die bei der Frage „Wofür verwenden Sie Python am meisten?“ die Antwort „Webentwicklung“ auswählten. „Data Science“ bezeichnet Personen, die bei derselben Frage „Datenanalyse“ oder „Maschinelles Lernen“ auswählten.

Wenig überraschend sind bei Web-Entwickler*innen JavaScript (69%) und HTML/CSS (60%) die beliebtesten neben Python verwendeten Sprachen, während bei datenbezogener Entwicklung eher SQL (42%) zum Einsatz kommt. Außerdem ist bei der datenbezogenen Entwicklung der Anteil der Befragten, die keine weiteren Sprachen verwenden, dreimal so hoch wie bei der Webentwicklung.

Verwendungszwecke von Python

Mit den Fragen in diesem Abschnitt wollten wir herausfinden, wofür die Befragten Python verwenden, an welchen Arten von Projekten sie beteiligt sind und wie sie die verschiedenen Verwendungszwecke kombinieren.

Für welchen Zweck verwenden Sie Python hauptsächlich?

Python-Verwendung in den Jahren 2020 und 2021100+

2021
2020
51%/54%45%/48%36%/38%36%/38%31%/35%27%/27%26%/28%22%/23%19%/19%18%/19%12%/13%10%/9%7%/9%6%/6%5%/5%7%/7%

Die Verteilung der Python-Anwendungsfälle hat sich im Lauf der Jahre nicht wesentlich verändert. Datenanalyse, maschinelles Lernen, Webentwicklung und DevOps sind nach wie vor die häufigsten Einsatzgebiete für Python.

Verwendung von Python als Haupt- und Nebensprache100+

Python ist Hauptsprache
Python ist Nebensprache
52%/46%48%/32%37%/30%35%/37%32%/28%27%/25%27%/22%21%/24%19%/17%18%/18%12%/13%11%/10%7%/9%6%/5%5%/5%7%/6%

Inwieweit sind Sie an folgenden Aktivitäten beteiligt?

Hauptaktivität
Nebenaktivität
Hobby
62%23%14%47%38%16%45%32%23%42%49%8%41%43%16%40%48%12%39%28%33%36%34%31%36%30%34%36%43%21%30%40%30%27%35%38%24%36%39%24%39%37%19%17%64%74%12%15%WebentwicklungDatenanalyseMaschinelles LernenSoftware-Tests, Schreiben von automatisierten TestsSoftware-PrototypingDevOps, Systemadministration, AutomatisierungsskripteAus-/Weiterbildung, UnterrichtDesktop-EntwicklungEmbedded-EntwicklungNetzwerkprogrammierungMobil-EntwicklungEntwicklung von Multimedia-AnwendungenComputergrafikProgrammierung von Web-Parsern/-Scrapern/-CrawlernSpielentwicklungSonstiges

Wofür verwenden Sie Python am meisten?100+

2021
2020
23%/25%17%/17%11%/13%10%/10%9%/7%5%/4%4%/4%4%/4%3%/3%3%/3%2%/1%1%/1%1%/1%1%/1%1%/0%6%/5%

Ein Viertel der Befragten, die Python als Hauptsprache verwenden, nutzen es hauptsächlich für die Webentwicklung. Unter denjenigen, die Python als Nebensprache nutzen, liegt dieser Anteil bei nur 12%.

Ob Python als Hauptsprache oder Nebensprache verwendet wird, hat interessanterweise fast keinen Einfluss darauf, ob die Datenanalyse als primäres Einsatzgebiet von Python angegeben wird (17% bzw. 16%).

Würden Sie sich als Data Scientist betrachten?

Nein
Ja
Sonstiges
66%29%5%

Diese Frage wurde nur von Befragten beantwortet, die an Datenanalysen und maschinellem Lernen arbeiten.

Nur 29% der Python-Entwickler*innen, die an Datenanalysen und maschinellem Lernen arbeiten, betrachten sich als Data Scientists.

Python-Versionen

Python 3 und Python 2 im Vergleich

Python 3
Python 2
95%5%94%6%90%10%84%16%75%25%20212020201920182017

Im Durchschnitt sinkt der Anteil der Python-2-Benutzer*innen jedes Jahr um 5 Prozentpunkte – inzwischen wird Python 2 von nur noch 5 von 100 Befragten verwendet.

Interessanterweise wird Python 2 im Vergleich zu Python 3 häufiger in den Bereichen Computergrafik, Spiele und mobile Entwicklung eingesetzt.

Anwendungsfälle nach Python-Versionen100+

Python 3
Python 2
54%/31%48%/24%38%/27%38%/16%34%/14%28%/18%27%/23%23%/12%19%/14%18%/19%11%/24%9%/17%8%/7%5%/12%4%/7%7%/5%

Python-3-Versionen

Python 3.5 oder niedriger2%Python 3.67%Python 3.713%Python 3.827%Python 3.935%Python 3.1016%

Installation und Upgrade von Python100+

38%28%16%16%15%6%5%3%1%1%1%3%12%

Hinweis: Enthought kam auf unter 0,5% und wurde in die Gruppe Sonstiges verschoben.

Mehr als die Hälfte der Windows-Benutzer*innen beziehen Python von Python.org – unter Linux liegt dieser Anteil bei nur einem Drittel. Wenig überraschend werden unter Linux und macOS meist die vom Betriebssystem bereitgestellten Optionen verwendet, um Python zu installieren und zu aktualisieren. Daneben sind pyenv und Docker-Container unter macOS ebenfalls beliebte Wege, um Python zu beziehen.

Isolierung der Python-Umgebung100+

50%31%20%16%11%5%4%25%

75% der Python-Entwickler*innen verwenden Tools zur Isolierung von Python-Umgebungen. Interessanterweise ist Conda in der Jupyter-Notebook-Gemeinde das beliebteste Tool (50%) für diesen Zweck, während andere Entwickler*innen Virtualenv und Docker bevorzugen.

Frameworks und Bibliotheken

Web-Frameworks100+

41%40%21%4%3%3%3%3%2%1%5%29%

Flask, Django und FastAPI bilden immer noch die Top 3 der Python-Web-Frameworks. Das Ende 2018 veröffentlichte FastAPI wächst mit 9 Prozentpunkten gegenüber dem Vorjahr am schnellsten. Gleichzeitig ist der Anteil der Flask-Nutzer*innen im Vergleich zu 2020 um 5 Prozentpunkte gefallen.

Detailliertere Informationen zum Django-Framework-Universum finden Sie in der Django-Entwicklerumfrage 2021, die in Zusammenarbeit mit der Django Software Foundation durchgeführt wurde.

Data-Science-Frameworks und -Bibliotheken100+

60%55%43%30%29%23%18%17%16%10%3%1%1%4%27%

10% der Python-Entwickler*innen verwenden 7 oder mehr Data-Science-Frameworks und -Bibliotheken gleichzeitig, und etwa die Hälfte verwendet 2 Frameworks oder weniger.

Andere Frameworks und Bibliotheken100+

52%31%24%19%15%14%14%13%9%7%6%4%3%3%7%19%

Die meisten anderen Frameworks sind bei Webentwickler*innen beliebter als bei Data Scientists, die deutlich häufiger zu Tkinker und PyQT greifen.

Unit-Test-Frameworks100+

50%25%11%6%5%4%3%1%38%

Bei der Popularität der verschiedenen Python-Frameworks für Unit-Tests hat sich seit dem vergangenen Jahr kaum etwas verändert.

Während sie nur von 56% der Solo-Entwickler*innen verwendet werden, geben 75% der Befragten aus Unternehmen mit 5.000 oder mehr Beschäftigten an, Unit-Testing-Frameworks zu verwenden.

ORMs100+

34%29%16%5%3%2%1%1%4%36%

SQLAlchemy ist unter Datenbanknutzer*innen das beliebteste ORM.

Interessant ist, dass 52% der Redis-Benutzer*innen auf Django ORM setzen, obwohl dieses insgesamt von weniger als einem Drittel der Python-Gemeinde genutzt wird. Bemerkenswert ist zudem, dass 20% der Amazon-Redshift-Nutzer*innen SQLObject verwenden, dessen Nutzungsanteil in der gesamten Entwicklerpopulation nur etwa 5% beträgt.

Datenbanken100+

43%38%37%20%18%10%6%3%2%2%1%1%1%1%6%19%

80% der Data Scientists verwenden Datenbanken; bei Webentwickler*innen sind es sogar 98%.

In der Webentwicklung wird PostgreSQL um 32 Prozentpunkte, Redis um 25 Prozentpunkte und SQLite um 12 Prozentpunkte häufiger eingesetzt als in den Datenwissenschaften. Gleichzeitig verwenden Data Scientists Oracle-Datenbanken doppelt so häufig wie Webentwickler*innen.

Big-Data-Tools100+

11%9%5%5%4%2%2%2%1%1%2%75%

Die Verteilung der Big-Data-Tools ist im Vergleich zum Vorjahr nahezu gleich geblieben. Data Scientists verwenden sie insgesamt 13 Prozentpunkte häufiger als andere Befragte, und Apache Spark und Dask werden von ihnen etwa doppelt so häufig verwendet.

Cloud-Plattformen

61%

der Befragten nutzen Cloud-Plattformen.

Top-Cloudplattformen100+

50%32%23%23%17%12%5%5%4%1%9%

Diese Frage wurde nur von Personen beantwortet, die Cloud-Plattformen verwenden.

Befragte, die Visual Basic, C# oder C/C++ nutzen, verwenden AWS interessanterweise nur halb so oft wie die Gesamtheit der Python-Gemeinschaft.

Wie führen Sie Code in der Cloud aus?100+

2021
2020
48%/47%41%/43%27%/27%24%/25%2%/2%11%/11%

Diese Frage wurde nur von Personen beantwortet, die Cloud-Plattformen verwenden.

Virtuelle Maschinen verlieren weiter an Beliebtheit. Während sie im Jahr 2018 mit einem Anteil von 47% die beliebteste Wahl waren, werden sie inzwischen nur noch von 41% verwendet.

Wie entwickeln Sie für die Cloud?100+

2021
2020
53%/56%41%/40%20%/21%19%/17%18%/18%9%/8%1%/1%10%/9%

Diese Frage wurde nur von Personen beantwortet, die Cloud-Plattformen verwenden.

Die lokale Python-Entwicklung mit virtualenv ist besonders beliebt (61–65%) unter denjenigen, die sich mit Webentwicklung, DevOps und Software-Prototyping beschäftigen. Docker-Container werden vor allem bei der Webentwicklung eingesetzt (54%).

Virtuelle Maschinen werden häufig von Befragten verwendet, die sich mit DevOps, maschinellem Lernen und Netzwerkprogrammierung beschäftigen (26–27%). Interessanterweise nutzen diejenigen, die sich mit DevOps und maschinellem Lernen beschäftigen, auch Remote-Entwicklungsumgebungen häufiger als andere Befragte.

Tools für Games

Betriebssystem100+

Linux63%Windows58%macOS25%BSD2%Sonstiges1%

Seit 2020 hat die Popularität von Linux und macOS um jeweils 5 Prozentpunkte abgenommen, während Windows 10 Prozentpunkte zugelegt hat.

Continuous-Integration-Systeme (CI)100+

31%22%17%5%5%4%2%2%1%1%5%39%

GitHub Actions hat nach der Einführung 2018 schnell an Popularität gewonnen. Heute wird es von einem knappen Drittel der Python-Entwickler*innen verwendet und steht damit auf der Liste der CI-Systeme an erster Stelle.

Ebenfalls auf dem aufsteigenden Ast befindet sich GitLab CI – sein Nutzungsanteil ist seit 2018 um 4 Prozentpunkte gestiegen. Gleichzeitig verliert Travis CI rapide an Popularität: Der Rückgang seit 2018 beträgt 13%. Auch die Verwendung von Jenkins/Hudson ist in den vergangenen drei Jahren um 8 Prozentpunkte zurückgegangen.

36%

der Python-Programmierer*innen verwenden Dokumentationstools. Sphinx steht dabei an erster Stelle.

Dokumentationstools100+

Tools und Features für die Python-Entwicklung

Zumindest manchmal
Nie oder fast nie
89%11%87%13%87%13%85%15%79%21%77%23%75%25%74%26%74%26%64%36%62%38%61%39%50%50%43%57%41%59%Autovervollständigung im Editor nutzenIhren Code refaktorierenVersionsverwaltungssysteme nutzenvirtuelle Python-Umgebungen für Ihre Projekte nutzenCode-Linting nutzenTests für Ihren Code schreibenSQL-Datenbanken nutzenoptionales Type-Hinting nutzenden Debugger nutzenCode auf Remote-Systemen ausführen/debuggen/bearbeitenContinuous-Integration-Tools nutzenIssue-Tracker nutzenCode-Coverage nutzeneinen Python-Profiler nutzenNoSQL-Datenbanken nutzen

Diejenigen, die Python als Hauptsprache verwenden, nutzen einen Python-Profiler und Code Coverage 8 Prozentpunkte häufiger und virtuelle Python-Umgebungen 10 Prozentpunkte häufiger als Entwickler*innen, die Python als Nebensprache verwenden.

Editoren

PyCharm Community und Professional kommen insgesamt auf einen Anteil von 31% – dies entspricht in etwa dem Ergebnis des Vorjahres. VS Code hat seit dem vergangenen Jahr 6 Prozentpunkte zugelegt.

Interessanterweise liegen PyCharm und VS Code bei Webentwickler*innen gleichauf (39%), während der Anteil von Data Scientists, die VS Code als Haupt-IDE bevorzugen, um 9 Prozentpunkte höher liegt.

Haupt-IDE/Editor100+

35%31%7%3%3%2%2%2%2%2%2%2%3%3%

Um die beliebtesten Editoren und IDEs zu identifizieren, haben wir eine Frage mit Einfachnennung gestellt: „Was ist Ihr Haupteditor für Ihre aktuelle Python-Entwicklung?“

Data Science und Webentwicklung im Vergleich100+

Data Science
Webentwicklung
36%/39%27%/39%5%/7%2%/1%2%/2%2%/2%2%/3%21%/3%

„Webentwicklung“ bezeichnet Personen, die bei der Frage „Wofür verwenden Sie Python am meisten?“ die Antwort „Webentwicklung“ auswählten. „Data Science“ bezeichnet Personen, die bei derselben Frage „Datenanalyse“ oder „Maschinelles Lernen“ auswählten.

Wie haben Sie zum ersten Mal von Ihrer Haupt-IDE/Ihrem Haupteditor gehört?

23%16%14%13%11%8%7%2%1%4%

Die populärsten Möglichkeiten zum Kennenlernen von IDEs sind Lernaktivitäten, Empfehlungen im Bekannten- und Kollegenkreis und Suchmaschinen.

Interessanterweise gaben nur 1% der Befragten an, dass sie das Tool durch Werbung entdeckt haben.

57% derjenigen, die Jupyter Notebook verwenden, haben es in der Schule, an der Universität oder in einem Onlinekurs kennengelernt. Bei der Gesamtheit der Befragten liegt dieser Wert bei 25%.

Anzahl der verwendeten IDEs/Editoren

116%237%325%413%5 oder mehr8%

VS Code, Jupyter Notebook und PyCharm werden am häufigsten neben einer Haupt-IDE verwendet, und zwar von jeweils mehr als 20% der Befragten.

Nutzungshäufigkeit Haupt-IDE/Editor

Täglich83%Wöchentlich13%Monatlich2%Seltener2%

IDEs/Editoren, die zusätzlich zur Haupt-IDE/zum Haupteditor verwendet werden100+

26%25%23%21%13%12%12%9%6%5%3%3%2%1%5%16%

VS Code, Jupyter Notebook und PyCharm werden am häufigsten neben einer Haupt-IDE verwendet, und zwar von jeweils mehr als 20% der Befragten.

Diejenigen, die Jupyter Notebook als Haupt-IDE verwenden, nutzen als Ergänzung etwa viermal häufiger Spyder als andere Befragte.

Weiterentwicklung von Python

Schon gewusst?

Im Jahr 2021 hat die Python Software Foundation einen neuen „Developer-in-Residence“ berufen, der in Vollzeit an der Programmiersprache Python arbeitet und die Entwicklergemeinschaft unterstützt.

Core-Entwickler Łukasz Langa wurde im Juli zum CPython-DIR berufen. Langa kümmert sich um das Backlog, analysiert die Projektprioritäten und untersucht weitere Interessengebiete.

Wie stehen Sie zur neuen Rolle des
„Developer-in-Residence“?

23% der Befragten wussten bereits vom „Developer-in-Residence“ und 91% finden diese Initiative gut.

Außerdem sehen 30% der Befragten, die die Rolle des Developer-in-Residence kennen, bereits die Ergebnisse dieser Neuerung.

Melden von Problemen

Nur 19% der Python-Benutzer*innen haben bereits Fehler in Python gemeldet. Interessanterweise ist bugs.python.org nicht die beliebteste Anlaufstelle, um Fehler zu melden – etwa doppelt so viele Entwickler*innen ziehen es vor, anderswo anzufragen oder einen Pull-Request bei GitHub einzureichen.

Unter denjenigen, die Bugs gemeldet haben, melden 73%, dass ihr Problem gelöst wurde, und nur 7% geben an, dass sie keine Reaktion erhalten haben.

Haben Sie versucht, Ihre Probleme zu melden?

9%8%4%2%1%81%

Wurde Ihr Problem gelöst?

47%26%18%7%3%

Diese Frage wurde nur von Befragten beantwortet, die Probleme gemeldet haben.

Python-Packaging

63%

der Python-Entwickler*innen verwenden Container, und 59% von ihnen nutzen darin eine virtuelle Umgebung.

Verwenden Sie in Containern eine virtuelle Umgebung?

Nein, ich verwende in Containern keine virtuelle Umgebung
Nein, ich verwende keine Container
Ja, ich verwende in Containern eine virtuelle Umgebung
37%37%26%

Welche Tools für das Python-Packaging
verwenden Sie direkt?100+

81%32%30%23%22%13%13%11%10%6%2%1%0%2%7%

Verwenden Sie das Modul venv aus der Standardbibliothek?100+

42%23%11%11%4%1%23%11%

Anwendungsabhängigkeiten

45% der Python-Entwickler*innen verwenden Tools für das Version-Pinning von Anwendungsabhängigkeiten. Am häufigsten werden diese Daten in der Datei requirements.txt gespeichert, die von drei Vierteln der Befragten verwendet wird.

Verwenden Sie Tools, um exakte Versionen der Abhängigkeiten Ihrer Anwendung zu verwalten?

Nein
Ja
55%45%

In welchen Formaten werden die Abhängigkeitsinformationen Ihrer Anwendung gespeichert?100+

76%26%22%16%11%4%5%3%

Diese Frage wurde nur von Befragten beantwortet, die Tools für die Verwaltung exakter Versionen von Anwendungsabhängigkeiten verwenden.

Verwenden Sie automatisierte Dienste, um Versionsupdates für die Abhängigkeiten Ihrer Anwendung durchzuführen?100+

24%10%6%2%65%

Welche Tools verwenden Sie zur Verwaltung der Abhängigkeiten Ihrer Anwendung?100+

poetry27%pipenv26%pip-tools26%Sonstiges4%Keine33%

Diese Frage wurde nur von Befragten beantwortet, die Tools für die Verwaltung exakter Versionen von Anwendungsabhängigkeiten verwenden.

Paketinstallation

90% verwenden pip zur Installation von Python-Paketen. Der Python Package Index ist die beliebteste Paketquelle.

Aus welchen Quellen installieren Sie Pakete?100+

81%33%17%16%15%11%10%10%9%8%4%3%2%9%

Welche Tools verwenden Sie zum Installieren von Paketen?100+

90%21%13%5%5%2%3%3%
55%

der Befragten entwickeln Anwendungen, und Setuptools ist mit 46% das meistverwendete Tool für diesen Zweck.

Welche Tools nutzen Sie zur Entwicklung von
Python-Anwendungen?100+

46%30%18%17%5%2%1%1%1%1%4%28%

Diese Frage wurde nur von Befragten beantwortet, die Anwendungen entwickeln.

Zwar entwickeln mehr als die Hälfte der Python-Nutzer*innen Anwendungen, aber nur 40% von ihnen haben diese in einem Paket-Repository veröffentlicht.

Welche Tools verwenden Sie, um Pakete
aus Ihren Python-Bibliotheken zu erstellen?100+

71%42%26%20%5%3%1%1%1%1%3%

Diese Frage wurde nur von Befragten beantwortet, die Python-Bibliotheken entwickeln.

34% der Befragten entwickeln Python-Bibliotheken, und Setuptools ist unter ihnen mit 71% die gängigste Packaging-Methode.

Interessanterweise haben nur 27% der Autor*innen von Python-Bibliotheken diese in einem Paket-Repository veröffentlicht.

Wo haben Sie Ihre paketierten
Python-Bibliotheken veröffentlicht?100+

Diese Frage wurde nur von Befragten beantwortet, die ihre paketierten Python-Bibliotheken veröffentlicht haben.

Der Python Package Index ist der beliebteste Ort für die Veröffentlichung von selbst entwickelten Bibliotheken und Anwendungspaketen, während private PyPI-Server nur etwa halb so häufig genutzt werden.

Demografie

Teamarbeiter und Einzelkämpfer

Arbeit an Projekten

Haupterwerbsstatus

62%14%6%6%6%4%1%2%

Firmengröße

7%12%17%24%7%10%19%3%

Diese Frage wurde nur von Befragten beantwortet, die in einem Unternehmen arbeiten.

Teamgröße

2–772%8–1217%13–206%21–403%> 402%

Diese Frage wurde nur von Befragten beantwortet, die in einem Unternehmen arbeiten.

Unternehmensbranche

41%7%7%5%4%4%3%
Alle Ergebnisse ▼

Diese Frage wurde nur von Befragten beantwortet, die in einem Unternehmen arbeiten.

Zielbranche

51%4%3%3%3%3%3%
Alle Ergebnisse ▼

Diese Frage wurde nur von Befragten beantwortet, die in einem Unternehmen arbeiten.

Arbeitsrollen100+

72%17%17%17%9%7%6%5%5%5%4%4%13%

Diese Frage wurde nur von Befragten beantwortet, die erwerbstätig sind.

Altersgruppe

18–2010%21–2938%30–3929%40–4913%50–596%60 Jahre oder älter3%

Python-Erfahrung

Weniger als 1 Jahr23%1–2 Jahre23%3–5 Jahre29%6–10 Jahre15%Mehr als 11 Jahre10%

Berufserfahrung in der Programmierung

Weniger als 1 Jahr36%1–2 Jahre19%3–5 Jahre19%6–10 Jahre11%Mehr als 11 Jahre15%

Bitte wählen Sie Ihr Land oder Ihre Region aus.

Alle Länder/Regionen mit einem Anteil unter 1% wurden unter «Sonstige» zusammengefasst.

17%9%7%6%5%5%4%3%3%3%2%2%2%2%
Alle Ergebnisse ▼

Methodik und Rohdaten

Sie möchten tiefer in die Daten eintauchen? Laden Sie die anonymisierten Umfrageantworten herunter und führen Sie Ihre eigenen Analysen durch! Teilen Sie Ihre Erkenntnisse auf Twitter unter dem Hashtag #pythondevsurvey und erwähnen Sie dabei @jetbrains und @ThePSF.

Vor einer Analyse dieser Daten beachten Sie bitte die folgenden wichtigen Informationen:

Der Datensatz enthält nur Antwortbögen aus den offiziellen Kanälen der Python Software Foundation. Nach dem Herausfiltern doppelter und unzuverlässiger Antwortbögen enthält der Datensatz mehr als 23.000 Antwortbögen, die zwischen dem 11. Oktober und dem 6. Dezember 2021 von Befragten ausgefüllt wurden, die auf python.org, im PSF-Blog, auf dem Twitter- und LinkedIn-Account der PSF, auf offiziellen Python-Mailinglisten und in Python-bezogenen Subreddits rekrutiert wurden. Um eine Verzerrung der Umfrage zugunsten bestimmter Tools oder Technologien zu verhindern, wurden keine Produkt-, Service- oder Herstellerkanäle zur Rekrutierung verwendet.

Die Daten sind anonymisiert und enthalten keine persönlichen Informationen oder Geodaten. Darüber hinaus wurden alle offenen Antworten gelöscht, um eine Identifizierung einzelner Befragter anhand ihrer wörtlichen Antworten zu verhindern.

Um Ihnen zu einem besseren Verständnis der Umfrage zu verhelfen, stellen wir den Datensatz, die gestellten Fragen und die Umfragelogik zur Verfügung. Bei den Antwortoptionen haben wir verschiedene Reihenfolgen verwendet (alphabetisch, randomisiert und direkt). Die Reihenfolge der Antworten ist für jede Frage angegeben.

Kriterien für das Herausfiltern von Antworten

  • Alter 17 Jahre oder jünger.
  • Die Frage „Wie viele Jahre professionelle Programmiererfahrung haben Sie?“ auf der dritten Seite der Umfrage wurde nicht erreicht.
  • Alter unter 21 Jahren und mehr als 11 Jahre professionelle Programmiererfahrung.
  • Zu viele Einzelnennungen bei Multiple-Choice-Fragen (mit Ausnahme verneinender Antworten).
  • Mehrere Antwortbögen von derselben E-Mail-Adresse (nur ein Antwortbogen wurde behalten).
  • Ähnliche Antworten von der gleichen IP-Adresse.

Mindestens zwei der folgenden Kriterien:

    • Mehr als 16 Programmiersprachen verwendet.
    • Mehr als 9 Arbeitsrollen.
    • Mehr als 11 Verwendungszwecke von Python („Wofür verwenden Sie Python?“).
    • Das ausgewählte Land/die ausgewählte Region steht alphabetisch ganz oben auf der Liste, gehört nicht zu den häufigen Ländern/Regionen und unterscheidet sich vom Land/von der Region, das anhand der IP erkannt wurde.
    • Sowohl CEO als auch Technischer Support als Arbeitsrollen angegeben.
    • CEO und Alter unter 21 Jahren angegeben.
    • Insgesamt zu viele Antworten ausgewählt (fast alle Frameworks für Data Science, Webentwicklung, Paketierung usw.).
    • Zu schnell geantwortet (weniger als 6 Sekunden pro Frage).
Rohdaten der Umfrage herunterladen

Im Namen der Python Software Foundation und von JetBrains möchten wir uns noch einmal bei allen bedanken, die an dieser Umfrage teilgenommen haben. Mit Ihrer Hilfe können wir die Landschaft der Python-Community viel genauer abbilden!

Tragen Sie zur regelmäßigen Spendenkampagne der PSF bei. Die PSF ist eine gemeinnützige Organisation, die ausschließlich von ihren Sponsoren, Mitgliedern und der Öffentlichkeit finanziert wird.

Sehen Sie sich auch die Ergebnisse der Python-Entwicklerumfrage aus den Jahren 2020, 2019, 2018 und 2017 an.

Lesen Sie auch die Berichte zu den anderen großen JetBrains-Umfragen!

Danke, dass Sie sich die Zeit genommen haben!

Wir hoffen, dass Sie unseren Bericht nützlich fanden. Sie können ihn gerne mit Bekannten und Kolleg*innen teilen.

Nehmen Sie an zukünftigen Umfragen teil:

Wenn Sie Fragen zu dieser Umfrage oder Vorschläge für zukünftige Umfragen haben, wenden Sie sich bitte an surveys@jetbrains.com oder psf@python.org.