JetBrains logo

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

84%

Hauptsprache

16%

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+

40%

41%

JavaScript

38%

38%

HTML/CSS

33%

35%

Bash/Shell

33%

33%

SQL

30%

29%

C/C++

20%

20%

Java

11%

11%

C#

10%

9%

TypeScript

9%

8%

Go

9%

10%

PHP

6%

5%

Der Rust

5%

6%

R

4%

4%

Visual Basic

3%

3%

Kotlin

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+

42%

49%

SQL

37%

45%

Bash/Shell

36%

69%

JavaScript

34%

60%

HTML/CSS

33%

19%

C/C++

„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?

52%

Sowohl beruflich als auch privat

29%

Für persönliche, bildungsbezogene oder Nebenprojekte

19%

Für die Arbeit

Python-Verwendung in den Jahren 2020 und 2021100+

51%

54%

Datenanalyse

45%

48%

Webentwicklung

36%

38%

DevOps, Systemadministration, Automatisierungsskripte

36%

38%

Maschinelles Lernen

31%

35%

Programmierung von Web-Parsern/-Scrapern/-Crawlern

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+

52%

46%

Datenanalyse

48%

32%

Webentwicklung

37%

30%

Maschinelles Lernen

35%

37%

DevOps, Systemadministration, Automatisierungsskripte

32%

28%

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Inwieweit sind Sie an folgenden Aktivitäten beteiligt?

Webentwicklung

Datenanalyse

Maschinelles Lernen

Software-Tests, Schreiben von automatisierten Tests

Software-Prototyping

DevOps, Systemadministration, Automatisierungsskripte

Aus-/Weiterbildung, Unterricht

Desktop-Entwicklung

Embedded-Entwicklung

Netzwerkprogrammierung

Mobil-Entwicklung

Entwicklung von Multimedia-Anwendungen

Computergrafik

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Spielentwicklung

Sonstiges

Wofür verwenden Sie Python am meisten?100+

23%

25%

Webentwicklung

17%

17%

Datenanalyse

11%

13%

Maschinelles Lernen

10%

10%

DevOps, Systemadministration, Automatisierungsskripte

9%

7%

Aus-/Weiterbildung, Unterricht

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?

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

2021

2020

2019

2018

2017

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+

54%

31%

Datenanalyse

48%

24%

Webentwicklung

38%

27%

DevOps, Systemadministration, Automatisierungsskripte

38%

16%

Maschinelles Lernen

34%

14%

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Python-3-Versionen

2%

Python 3.5 oder niedriger

7%

Python 3.6

13%

Python 3.7

27%

Python 3.8

35%

Python 3.9

16%

Python 3.10

Installation und Upgrade von Python100+

38%

Python.org

28%

Vom Betriebssystem bereitgestelltes Python (über apt-get, yum, homebrew usw.)

16%

Docker-Container

16%

Anaconda

15%

pyenv

6%

Aus Quellcode kompiliert

5%

Jemand anderes verwaltet Python-Updates für mich

3%

Automatisches Update über Cloud-Anbieter

1%

ActivePython

1%

Intel Distribution for Python

1%

pythonz

3%

Sonstiges

12%

Ich aktualisiere nicht

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%

Virtualenv

31%

Docker

20%

Conda

16%

Pipenv

11%

Poetry

5%

Vagrant/virtuelle Maschinen

4%

Sonstiges

25%

Keine

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%

Flask

40%

Django

21%

FastAPI

4%

Tornado

3%

web2py

3%

Bottle

3%

CherryPy

3%

Pyramid

2%

Falcon

1%

Hug

5%

Sonstiges

29%

Keine

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%

NumPy

55%

Pandas

43%

Matplotlib

30%

SciPy

29%

SciKit-Learn

23%

TensorFlow

18%

PyTorch

17%

Seaborn

16%

Keras

10%

NLTK

3%

Gensim

1%

MXNet

1%

Theano

4%

Sonstiges

27%

Keine

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%

Requests

31%

Pillow

24%

Asyncio

19%

Tkinter

15%

PyQT

14%

Scrapy

14%

aiohttp

13%

Pygame

9%

httpx

7%

Six

6%

Kivy

4%

wxPython

3%

PyGTK

3%

Twisted

7%

Sonstiges

19%

Keine

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%

pytest

25%

unittest

11%

mock

6%

tox

5%

doctest

4%

Hypothesis

3%

nose

1%

Sonstiges

38%

Keine

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%

SQLAlchemy

29%

Django ORM

16%

Reines SQL

5%

SQLObject

3%

Peewee

2%

Tortoise ORM

1%

PonyORM

1%

Dejavu

4%

Sonstiges

36%

Keine Datenbankentwicklung

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%

PostgreSQL

38%

SQLite

37%

MySQL

20%

MongoDB

18%

Redis

10%

MS SQL Server

6%

Oracle Database

3%

Amazon Redshift

2%

Neo4j

2%

Cassandra

1%

DB2

1%

HBase

1%

h2

1%

Couchbase

6%

Sonstiges

19%

Keine

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%

Apache Spark

9%

Apache Kafka

5%

Dask

5%

Apache Hadoop/MapReduce

4%

Apache Hive

2%

ClickHouse

2%

Apache Flink

2%

Apache Beam

1%

Apache Tez

1%

Apache Samza

2%

Sonstiges

75%

Keine

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%

AWS

32%

Google Cloud Platform

23%

Microsoft Azure

23%

Heroku

17%

DigitalOcean

12%

PythonAnywhere

5%

Linode

5%

OpenStack

4%

OpenShift

1%

Rackspace

9%

Sonstiges

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+

48%

47%

In Containern

41%

43%

In virtuellen Maschinen

27%

27%

Auf einer Platform-as-a-Service

24%

25%

Serverless

2%

2%

Sonstiges

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+

53%

56%

Lokal mit virtualenv

41%

40%

In Docker-Containern

20%

21%

In virtuellen Maschinen

19%

17%

In Remote-Entwicklungsumgebungen

18%

18%

Mit dem Interpreter des lokalen Systems

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+

63%

Linux

58%

Windows

25%

macOS

2%

BSD

1%

Sonstiges

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%

GitHub Actions

22%

GitLab CI

17%

Jenkins/Hudson

5%

Travis CI

5%

CircleCI

4%

Bitbucket Pipelines

2%

TeamCity

2%

Bamboo

1%

AppVeyor

1%

CruiseControl

5%

Sonstiges

39%

Keine

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+

61%

Sphinx

22%

MkDocs

17%

Doxygen

14%

Sonstiges

Tools und Features für die Python-Entwicklung

Autovervollständigung im Editor nutzen

Ihren Code refaktorieren

Versionsverwaltungssysteme nutzen

virtuelle Python-Umgebungen für Ihre Projekte nutzen

Code-Linting nutzen

Tests für Ihren Code schreiben

SQL-Datenbanken nutzen

optionales Type-Hinting nutzen

den Debugger nutzen

Code auf Remote-Systemen ausführen/debuggen/bearbeiten

Continuous-Integration-Tools nutzen

Issue-Tracker nutzen

Code-Coverage nutzen

einen Python-Profiler nutzen

NoSQL-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%

VS Code

31%

PyCharm

7%

Vim

3%

Jupyter Notebook

3%

Sublime Text

2%

IDLE

2%

Emacs

2%

IntelliJ IDEA

2%

Atom

2%

NotePad++

2%

Spyder

2%

JupyterLab

3%

Sonstiges

3%

Keine

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+

36%

39%

VS Code

27%

39%

PyCharm

5%

7%

Vim

2%

1%

Atom

2%

2%

Emacs

„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%

Bekannte/Kolleg*innen

16%

Ich kann mich nicht erinnern

14%

Schule/Universität

13%

Suchmaschinen

11%

Online-Lernplattform/Onlinekurs

8%

Test/Forum/Blog

7%

Soziale Netzwerke

2%

Konferenz/Benutzergruppe

1%

Werbung

4%

Sonstiges

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

16%

1

37%

2

25%

3

13%

4

8%

5 oder mehr

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

83%

Täglich

13%

Wöchentlich

2%

Monatlich

2%

Seltener

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

26%

VS Code

25%

Jupyter Notebook

23%

PyCharm

21%

Vim

13%

NotePad++

12%

Sublime Text

12%

JupyterLab

9%

IDLE

6%

Atom

5%

Spyder

3%

IntelliJ IDEA

3%

Python Tools for Visual Studio (PTVS)

2%

Emacs

1%

Eclipse + PyDev

5%

Sonstiges

16%

Keine

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“?

14%

Es scheint eine gute Idee zu sein, aber ich habe noch keine Ergebnisse gesehen

7%

Es scheint eine gute Idee zu sein, und ich habe auch schon Ergebnisse gesehen

2%

Die Idee gefällt mir nicht

77%

Ich habe noch nicht davon gehört

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%

Ja, ich habe woanders nachgefragt

8%

Ja, ich habe einen Pull-Request auf GitHub eingereicht

4%

Ja, ich habe eine Fehlermeldung auf bugs.python.org eingereicht

2%

Ja, ich habe in Mailinglisten nachgefragt

1%

Ja, ich habe auf Discourse nachgefragt

81%

Nein

Wurde Ihr Problem gelöst?

47%

Ja, irgendwann

26%

Ja, schnell

18%

Nein, obwohl es Gespräche gab

7%

Nein, ich habe von niemandem Rückmeldung bekommen

3%

Sonstiges

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?

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

81%

pip

32%

venv (Standardbibliothek)

30%

Container (z. B.: über Docker)

23%

virtualenv

22%

Conda

13%

Poetry

13%

pipenv

11%

Virtuelle Maschinen

10%

twine

6%

tox

2%

Arbeitsplatzspezifische, proprietäre Lösung

1%

Flit

0%

PDM

2%

Sonstiges

7%

Keine/Ich weiß es nicht

Verwenden Sie das Modul venv aus der Standardbibliothek?100+

42%

Ich verwende venv direkt

23%

Ich verwende es über virtualenv

11%

Ich verwende es über Poetry

11%

Ich verwende es über Pipenv

4%

Ich verwende es über tox

1%

Sonstiges

23%

Nein, ich verwende venv nicht

11%

Ich weiß es nicht

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?

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

76%

requirements.txt

26%

pyproject.toml

22%

poetry.lock

16%

pipfile.lock

11%

Conda environment.yml

4%

pip constraints.txt

5%

Sonstiges

3%

Keine

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%

Dependabot

10%

Benutzerdefinierte Tools, z. B. einen Cron-Job oder einen planmäßigen CI-Task

6%

PyUp

2%

Sonstiges

65%

Nein, meine Anwendungsabhängigkeiten werden manuell aktualisiert

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

27%

poetry

26%

pipenv

26%

pip-tools

4%

Sonstiges

33%

Keine

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%

PyPI

33%

GitHub

17%

Lokale Quelle

16%

Anaconda

15%

Linux-Distribution

11%

Privater Python-Package-Index

10%

Interner PyPI-Mirror

10%

Conda-Kanal conda-forge

9%

Standard-Conda-Kanal

8%

GitLab

4%

Anderer Conda-Kanal

3%

Artifactory

2%

Sonstiges

9%

Ich bin mir nicht sicher

Welche Tools verwenden Sie zum Installieren von Paketen?100+

90%

pip

21%

Conda

13%

Poetry

5%

easy_install

5%

pipx

2%

pip-sync

3%

Sonstiges

3%

Keine

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%

Setuptools

30%

Wheel

18%

Build

17%

Poetry

5%

conda-build

2%

Flit

1%

pex

1%

PDM-PEP517

1%

maturin

1%

Enscons

4%

Sonstiges

28%

Keine/Ich weiß es nicht

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%

Setuptools

42%

Wheel

26%

Build

20%

Poetry

5%

conda-build

3%

Flit

1%

Enscons

1%

pex

1%

maturin

1%

PDM-PEP517

3%

Sonstiges

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+

72%

PyPI

37%

Privater Python-Package-Index

10%

Interner PyPI-Mirror

6%

conda-forge

4%

Sonstiges

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

48%

Ich arbeite in einer Gruppe

48%

Ich arbeite allein an meinen Projekten

4%

Ich arbeite als externe*r Berater*in oder Trainer*in

Arbeit an Projekten

42%

Ich arbeite an vielen verschiedenen Projekten

39%

Ich arbeite an einem Haupt- und mehreren Nebenprojekten

19%

Ich arbeite nur an einem Projekt

Haupterwerbsstatus

62%

Vollzeitbeschäftigt bei einem Unternehmen/einer Organisation

14%

Schüler(in)/Student(in)

6%

Freelancer

6%

Selbständig

6%

Werkstudent*in

4%

Teilzeitbeschäftigt bei einem Unternehmen/einer Organisation

1%

Im Ruhestand

2%

Sonstiges

Firmengröße

7%

Nur ich

12%

2–10

17%

11–50

24%

51–500

7%

501–1000

10%

1001–5000

19%

> 5.000

3%

Ich weiß es nicht

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

Teamgröße

72%

2–7

17%

8–12

6%

13–20

3%

21–40

2%

> 40

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

Unternehmensbranche

41%

Informationstechnologie / Software-Entwicklung

7%

Wissenschaften

7%

Bildung / Ausbildung

5%

Buchhaltung / Finanz / Versicherung

4%

Verarbeitendes Gewerbe / Fertigungsindustrie

4%

Medizin / Gesundheit

3%

Banking / Immobilien / Hypothekenfinanzierung

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

Zielbranche

51%

Informationstechnologie / Software-Entwicklung

4%

Rechnungswesen/Finanzen/Versicherungen

3%

Verarbeitendes Gewerbe / Fertigungsindustrie

3%

Medizin/Gesundheitswesen

3%

Vertrieb / Business Development

3%

Banking / Immobilien / Hypothekenfinanzierung

3%

Sicherheit

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

Arbeitsrollen100+

72%

Entwicklung/Programmierung

17%

Data Analyst

17%

Architekt

17%

Teamleiter

9%

Technischer Support

7%

Systems Analyst

6%

CIO/CEO/CTO

5%

Qualitätssicherung

5%

Produktmanagement

5%

DBA

4%

Business Analyst

4%

Technische Dokumentation

13%

Sonstiges

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

Altersgruppe

10%

18–20

38%

21–29

29%

30–39

13%

40–49

6%

50–59

3%

60 Jahre oder älter

Python-Erfahrung

23%

Weniger als 1 Jahr

23%

1–2 Jahre

29%

3–5 Jahre

15%

6–10 Jahre

10%

Mehr als 11 Jahre

Berufserfahrung in der Programmierung

36%

Weniger als 1 Jahr

19%

1–2 Jahre

19%

3–5 Jahre

11%

6–10 Jahre

15%

Mehr als 11 Jahre

Bitte wählen Sie Ihr Land oder Ihre Region aus.

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

17%

Vereinigte Staaten

9%

Indien

7%

Deutschland

6%

China (Festland)

5%

Großbritannien

5%

Frankreich

4%

Russland

3%

Brasilien

3%

Polen

3%

Kanada

2%

Italien

2%

Niederlande

2%

Australien

2%

Iran

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!

Machen Sie beim JetBrains Tech Insights Lab mit

Nehmen Sie an Umfragen und UX-Studien teil, um JetBrains-Produkte benutzerfreundlicher und gleichzeitig leistungsfähiger zu machen. Durch die Teilnahme an unserer Forschung können Sie auch Prämien erhalten.

Registrieren