JetBrains logo

Sehen Sie sich auch die Ergebnisse der Python-Entwicklerumfrage aus den Jahren 2023, 2021, 2020, 2019, 2018 und 2017 an.

Inhalt

Python-Nutzung allgemein

Python als Haupt- und Nebensprache

85%

Hauptsprache

15%

Nebensprache

Verwendung von Python mit anderen Sprachen100+

37%

40%

JavaScript

36%

38%

HTML/CSS

34%

33%

SQL

31%

33%

Bash/Shell

29%

30%

C/C++

19%

20%

Java

11%

10%

TypeScript

11%

11%

C#

9%

9%

PHP

8%

9%

Go

7%

6%

Der Rust

6%

5%

R

4%

4%

Visual Basic

3%

3%

Kotlin

86% der Python-Entwickler*innen verwenden neben Python auch andere Sprachen – insbesondere JavaScript, HTML/CSS und SQL.

Verwendung von Python mit anderen Sprachen100+

37%

38%

JavaScript

37%

32%

HTML/CSS

35%

28%

SQL

32%

22%

Bash/Shell

27%

37%

C/C++

18%

28%

Java

10%

17%

TypeScript

10%

18%

C#

9%

14%

PHP

8%

11%

Go

6%

5%

R

6%

9%

Der Rust

4%

5%

Visual Basic

3%

6%

Kotlin

Sprachen für Web und Data Science100+

45%

50%

SQL

34%

66%

JavaScript

34%

41%

Bash/Shell

33%

60%

HTML/CSS

32%

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 JavaScript und HTML/CSS die gängigsten Sprachen unter Webentwickler*innen, während SQL unter Data Scientists am häufigsten zum Einsatz kommt.

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?

51%

Sowohl beruflich als auch privat

28%

Für persönliche, bildungsbezogene oder Nebenprojekte

21%

Für die Arbeit

Jede*r fünfte Befragte verwendet Python nur für arbeitsbezogene Projekte, während etwas mehr als die Hälfte es auch für persönliche Projekte nutzt.

Python-Verwendung in den Jahren 2021 und 2022100+

51%

51%

Datenanalyse

43%

45%

Webentwicklung

36%

36%

Maschinelles Lernen

34%

36%

DevOps, Systemadministration, Automatisierungsskripte

30%

31%

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Verwendung von Python als Haupt- und Nebensprache100+

53%

44%

Datenanalyse

45%

31%

Webentwicklung

37%

29%

Maschinelles Lernen

35%

34%

DevOps, Systemadministration, Automatisierungsskripte

30%

28%

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Inwieweit sind Sie an folgenden Aktivitäten beteiligt?

Datenanalyse

Webentwicklung

Maschinelles Lernen

DevOps, Systemadministration, Automatisierungsskripte

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Aus-/Weiterbildung, Unterricht

Software-Tests, Schreiben von automatisierten Tests

Software-Prototyping

Desktop-Entwicklung

Netzwerkprogrammierung

Computergrafik

Spielentwicklung

Embedded-Entwicklung

Mobil-Entwicklung

Entwicklung von Multimedia-Anwendungen

Sonstiges

Wofür verwenden Sie Python am meisten?

22%

23%

Webentwicklung

18%

17%

Datenanalyse

12%

11%

Maschinelles Lernen

10%

10%

DevOps, Systemadministration, Automatisierungsskripte

9%

9%

Aus-/Weiterbildung, Unterricht

Diejenigen, die Python als Hauptsprache verwenden, nutzen es hauptsächlich für die Webentwicklung (23%).

Als Nebensprache wird Python am häufigsten für Datenanalysen (16%) und DevOps (14%) verwendet; die Webentwicklung steht an dritter Stelle (13%).

Würden Sie sich als Data Scientist betrachten?

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

Etwa ein Drittel der Python-Nutzer*innen, die sich mit Datenanalysen und maschinellem Lernen beschäftigen, betrachten sich als Data Scientists.

Python-Versionen

Python 3 und Python 2 im Vergleich

2022

2021

2020

2019

2018

2017

Mehr als 90% der Befragten haben Python 3 bereits verwendet – man kann also sagen, dass die Sprache

Mainstream-Status erreicht hat.

Die Zahl der Python-2-Benutzer*innen liegt unter 7% und ist in den letzten 3 Jahren fast gleich geblieben. Version 2 wird immer noch gelegentlich für Datenanalysen (29%), Computergrafiken (24%) und DevOps (23%) eingesetzt.

Anwendungsfälle nach Python-Versionen100+

54%

29%

Datenanalyse

46%

19%

Webentwicklung

38%

13%

Maschinelles Lernen

36%

23%

DevOps, Systemadministration, Automatisierungsskripte

32%

13%

Programmierung von Web-Parsern/-Scrapern/-Crawlern

Python-3-Versionen

45%

16%

Python 3.10

23%

35%

Python 3.9

17%

27%

Python 3.8

9%

13%

Python 3.7

4%

7%

Python 3.6

Bitte beachten: Die Umfrage fand vom 14. Oktober bis 14. November 2022 statt und Python 3.11 wurde erst am 24. Oktober 2022 veröffentlicht.

11%

der Python-Nutzer*innen sagen, dass sie ihre Python-Versionen nicht aktualisieren, und 6% geben an, dass jemand anderes ihre Updates verwaltet.

52%

der Windows-Anwender*innen installieren Python über python.org. Unter macOS und Linux werden vornehmlich das vom Betriebssystem bereitgestellte Python, Python.org, Docker-Container und pyenv verwendet.

Installation und Upgrade von Python100+

37%

Python.org

26%

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

17%

Anaconda

17%

Docker-Container

16%

pyenv

6%

Aus Quellcode kompiliert

6%

Jemand anderes verwaltet Python-Updates für mich

5%

Automatisches Update über Cloud-Anbieter

2%

ActivePython

2%

Intel Distribution for Python

2%

pythonz

3%

Sonstiges

11%

Ich aktualisiere nicht

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

Isolierung der Python-Umgebung100+

49%

Virtualenv

31%

Docker

22%

Conda

16%

Pipenv

14%

Poetry

6%

Vagrant/virtuelle Maschinen

4%

Sonstiges

23%

Keine

Poetry wird allmählich populärer als Werkzeug für die Isolierung von Python-Umgebungen. Seit 2020 hat es 6 Prozentpunkte zugelegt. Das Tool ist vielversprechend – einige seiner Funktionen wurden sogar bereits in den Python-Kern übernommen.

Frameworks und Bibliotheken

Web-Frameworks100+

39%

Flask

39%

Django

25%

FastAPI

4%

web2py

4%

CherryPy

4%

Tornado

3%

Pyramid

3%

Bottle

2%

Falcon

2%

Hug

5%

Sonstiges

27%

Keine

Das Rennen der Python-Web-Frameworks wird weiterhin von Flask, Django und FastAPI dominiert.

Alle anderen Frameworks zusammengenommen würden nur mit Mühe und Not auf den dritten Platz kommen. FastAPI hat seit dem vergangenen Jahr 4 Prozentpunkte zugelegt und wird nun von einem Viertel der Python-Entwickler*innen verwendet.

Detailliertere Informationen zum Django-Universum finden Sie in der Django-Entwicklerumfrage 2022, die in Zusammenarbeit mit der Django Software Foundation durchgeführt wurde.

Andere Frameworks und Bibliotheken100+

48%

Requests

29%

Pillow

25%

Asyncio

20%

Tkinter

15%

PyQT

15%

Scrapy

14%

aiohttp

13%

httpx

12%

Pygame

6%

Kivy

6%

Six

5%

wxPython

4%

Twisted

4%

PyGTK

6%

Sonstiges

19%

Keine

Die Top 3 der Frameworks ist seit 2021 unverändert, aber Requests hat 4 Prozentpunkte an httpx verloren.

Unit-Test-Frameworks100+

51%

pytest

24%

unittest

10%

mock

6%

doctest

6%

tox

5%

Hypothesis

4%

nose

1%

Sonstiges

35%

Keine

Im Allgemeinen verwenden größere Unternehmen in ihren Python-Projekten eher Unit-Tests und setzen auch pytest und mock häufiger ein als kleinere Unternehmen.

ORMs100+

35%

SQLAlchemy

28%

Django ORM

16%

Reines SQL

8%

SQLObject

3%

Peewee

3%

Tortoise ORM

3%

PonyORM

2%

Dejavu

4%

Sonstiges

34%

Keine Datenbankentwicklung

Datenbanken100+

42%

PostgreSQL

37%

MySQL

36%

SQLite

19%

MongoDB

16%

Redis

12%

MS SQL Server

7%

Oracle Database

4%

Amazon Redshift

3%

Neo4j

3%

Cassandra

2%

DB2

2%

h2

2%

HBase

2%

Couchbase

6%

Sonstiges

18%

Keine

MS SQL Server und Oracle Database sind bei Data Scientists doppelt so verbreitet wie bei Webentwickler*innen. Die meisten anderen Datenbanken hingegen sind unter Webentwickler*innen deutlich populärer.

Big-Data-Tools100+

12%

Apache Spark

10%

Apache Kafka

6%

Apache Hadoop/MapReduce

6%

Dask

5%

Apache Hive

3%

Apache Beam

3%

ClickHouse

3%

Apache Flink

2%

Apache Samza

2%

Apache Tez

1%

Sonstiges

69%

Keine

31% der Python-Entwickler*innen verwenden Big-Data-Tools – 6 Prozentpunkte mehr als 2021. Unter Data Scientists liegt dieser Wert wenig überraschend höher, bei 42%.

Cloud-Plattformen

66%

der Python-Entwickler*innen nutzen Cloudplattformen – 5 Prozentpunkte mehr als im Vorjahr.

Top-Cloudplattformen100+

49%

AWS

33%

Google Cloud Platform

25%

Microsoft Azure

20%

Heroku

16%

DigitalOcean

14%

PythonAnywhere

7%

Linode

6%

OpenStack

5%

OpenShift

2%

Rackspace

9%

Sonstiges

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

Unter den Python-Nutzer*innen in Afrika ist Heroku mit einem Anteil von 39% die gängigste Cloudplattform. Auch die anderen verwendeten Sprachen wirken sich auf die Wahl der Plattform aus.

Wenig überraschend zieht Microsoft Azure bei C#-Benutzer*innen fast mit AWS gleich. Go- und TypeScript-Entwickler*innen sind die aktivsten Cloud-Benutzer*innen – mehr als 80% von ihnen verwenden Clouds.

Wie führen Sie Code in der Cloud aus?100+

47%

48%

In Containern

41%

41%

In virtuellen Maschinen

27%

27%

Auf einer Platform-as-a-Service

27%

24%

Serverless

2%

2%

Sonstiges

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

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 Entwicklung mit virtualenv verliert weiter an Popularität; der Rückgang seit 2020 beträgt 7 Prozentpunkte. Am häufigsten wird diese Methode von Befragten verwendet, die Python für die Webentwicklung nutzen.

Der Zuspruch für Remote-Entwicklungsumgebungen nimmt langsam, aber sicher zu; seit 2020 ist die Nutzung um 3 Prozentpunkte gestiegen. Die Verwendung erfolgt meist in den Bereichen maschinelles Lernen, Netzwerkprogrammierung und DevOps.

Tools für Games

Betriebssystem100+

59%

Linux

58%

Windows

26%

macOS

3%

BSD

1%

Sonstiges

Im Vergleich zum Vorjahr ist die Popularität von macOS und Windows nahezu gleich geblieben, während Linux 4 Prozentpunkte eingebüßt hat.

Continuous-Integration-Systeme (CI)100+

35%

GitHub Actions

22%

GitLab CI

16%

Jenkins/Hudson

6%

Bitbucket Pipelines

6%

Travis CI

6%

CircleCI

3%

TeamCity

3%

Bamboo

2%

AppVeyor

2%

CruiseControl

4%

Sonstiges

35%

Keine

GitHub Actions wird immer beliebter – mehr als ein Drittel der Python-Entwickler*innen nutzen es inzwischen.

Auch die Verbreitung von CI-Tools ist im Vergleich zu 2021 um 4 Prozentpunkte gestiegen.

34%

der Befragten verwenden Continuous-Management-Tools. Ansible ist am weitesten verbreitet, und 11% der Befragten bevorzugen Custom-Lösungen.

Dokumentationstools100+

22%

Sphinx

11%

MkDocs

8%

Doxygen

5%

Sonstiges

61%

Ich verwende keine Dokumentationstools

39% der Python-Nutzer*innen verwenden ein Dokumentationstool. Wie schon im vergangenen Jahr ist Sphinx dabei die erste Wahl.

Tools und Features für die Python-Entwicklung

Autovervollständigung im Editor nutzen

virtuelle Python-Umgebungen für Ihre Projekte nutzen

Ihren Code refaktorieren

Versionsverwaltungssysteme nutzen

Code-Linting nutzen

Tests für Ihren Code schreiben

SQL-Datenbanken nutzen

den Debugger nutzen

optionales Type-Hinting 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

Editoren

Die zwei populärsten IDEs für die Python-Entwicklung, PyCharm und VS Code, werden von insgesamt zwei Dritteln der Befragten verwendet.

Nur 14% der Befragten verwenden nur eine einzige IDE oder einen einzigen Editor; die große Mehrheit (61%) nutzt zwei bis drei IDEs oder Editoren parallel. 26% der Python-Entwickler*innen bevorzugen PyCharm als zusätzliche IDE; ein Viertel von ihnen setzt auf VS Code.

Haupt-IDE/Editor

37%

VS Code

29%

PyCharm

5%

Jupyter Notebook

3%

Vim

3%

Neovim

2%

Sublime Text

2%

IDLE

2%

Emacs

2%

IntelliJ IDEA

2%

Spyder

2%

NotePad++

2%

JupyterLab

1%

Atom

1%

Eclipse + PyDev

4%

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 Vergleich

40%

44%

VS Code

25%

37%

PyCharm

3%

4%

Vim

2%

2%

Emacs

2%

3%

Sublime Text

„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.

Anzahl der verwendeten IDEs/Editoren

14%

1

35%

2

26%

3

14%

4

11%

5+

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

25%

VS Code

23%

Jupyter Notebook

18%

Vim

17%

PyCharm Community Edition

14%

NotePad++

13%

JupyterLab

12%

Sublime Text

9%

PyCharm Professional Edition

8%

IDLE

8%

Nano

6%

Spyder

5%

Atom

5%

Python Tools for Visual Studio (PTVS)

5%

Neovim

4%

IntelliJ IDEA

3%

Emacs

2%

Eclipse + PyDev

1%

Wing IDE

4%

Sonstiges

14%

Keine

Python-Packaging

85%

der Python-Entwickler*innen verwenden Tools zur Isolierung von Projektumgebungen. Die drei meistverwendeten Lösungen sind venv, virtualenv und Conda.

Welche der folgenden Tools verwenden Sie, um die Python-Umgebungen von Projekten zu isolieren?100+

43%

venv

37%

virtualenv

21%

Conda

16%

Poetry

14%

pipenv

6%

virtualenvwrapper

3%

hatch

3%

Sonstiges

15%

Ich verwende keine Tools, um Python-Umgebungen zu isolieren

Verwenden Sie in Containern eine virtuelle Umgebung?

Die Zahl der Entwickler*innen, die virtuelle Umgebungen in Containern nutzen, ist gegenüber dem Vorjahr um 5 Prozentpunkte gestiegen.

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

76%

81%

pip

29%

32%

venv (Standardbibliothek)

26%

30%

Container (z. B.: über Docker)

23%

22%

Conda

18%

23%

virtualenv

Die Rangfolge der drei beliebtesten Tools ist unverändert, aber alle büßen allmählich Anteile ein. Poetry hingegen hat um 2 Prozentpunkte zugelegt.

Verwenden Sie das Modul venv aus der Standardbibliothek?100+

42%

Ich verwende venv direkt

23%

Ich verwende es über virtualenv

13%

Ich verwende es über Poetry

12%

Ich verwende es über Pipenv

4%

Ich verwende es über tox

1%

Sonstiges

11%

Ich weiß es nicht

18%

Nein, ich verwende venv nicht

Der Verwendungsanteil des Standardbibliotheksmoduls venv ist seit 2021 um 5 Prozentpunkte gestiegen.

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

69%

76%

requirements.txt

33%

26%

pyproject.toml

25%

22%

poetry.lock

15%

16%

pipfile.lock

11%

11%

Conda environment.yml

Das Speichern von Anwendungsabhängigkeiten in requirements.txt ist im Vergleich zum Vorjahr um 7 Prozentpunkte zurückgegangen.

In der gleichen Zeit ist der Anteil von pyproject.toml um den gleichen Wert gestiegen; diese Methode wird nun von einem Drittel der Python-Entwickler*innen genutzt.

Dank der intensiven und ausdauernden Arbeit der Entwickler*innen hat pyproject.toml die Feature-Parität erreicht und wird jetzt sogar direkt in pip unterstützt.

45%

der Python-Entwickler*innen verwenden Tools, um die Versionen von Anwendungsabhängigkeiten zu verwalten. Bei den Verwendungsanteilen der drei wichtigsten Tools – Poetry, pipenv und pip-tools – herrscht annähernd Gleichstand.

30%

der Python-Entwickler*innen aktualisieren die Versionen von Anwendungsabhängigkeiten weiterhin manuell – 5 Prozentpunkte weniger als im Vorjahr.

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

30%

poetry

28%

pipenv

26%

pip-tools

4%

Sonstiges

28%

Keine

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

Aus welchen Quellen installieren Sie Pakete?100+

73%

PyPI

33%

GitHub

17%

Lokale Quelle

16%

Anaconda

12%

Linux-Distribution

11%

Privater Python-Package-Index

11%

Conda-Kanal conda-forge

10%

Interner PyPI-Mirror

9%

Standard-Conda-Kanal

9%

GitLab

4%

Artifactory

4%

Anderer Conda-Kanal

1%

Sonstiges

10%

Ich bin mir nicht sicher

PyPI hat 7 Prozentpunkte verloren, während die Nutzung aller anderen Methoden der Paketinstallation gegenüber 2021 nahezu gleich geblieben ist.

Welche Tools verwenden Sie zum Installieren von Paketen?100+

84%

pip

22%

Conda

15%

Poetry

6%

easy_install

6%

pipx

3%

pip-sync

2%

Sonstiges

5%

Keine

57%

der Pythonist*innen entwickeln Anwendungen mit Python. Die meistverwendeten Pakete dabei sind Setuptools, Wheel, build und Poetry.

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

40%

Setuptools

29%

Wheel

21%

Build

19%

Poetry

7%

conda-build

3%

Flit

3%

Enscons

3%

pex

2%

PDM-PEP517

2%

maturin

4%

Sonstiges

25%

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 41% von ihnen haben diese in einem Paket-Repository veröffentlicht.

Wo haben Sie Ihre Python-Anwendungspakete veröffentlicht?100+

61%

PyPI

38%

Privater Python-Package-Index

14%

Interner PyPI-Mirror

8%

conda-forge

6%

Sonstiges

Diese Frage wurde Befragten gestellt, die ihre Python-Anwendungspakete veröffentlicht haben.

34%

der Befragten haben bereits Python-Bibliotheken entwickelt und zu Paketen geschnürt. Dabei kommen zumeist die gleichen Lösungen zum Einsatz wie bei der Anwendungsentwicklung in Python.

74%

der Befragten, die eigene Python-Bibliotheken entwickelt haben, haben diese bereits veröffentlicht – in erster Linie auf PyPI oder in einem privaten Python-Paketindex.

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

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

59%

71%

Setuptools

39%

42%

Wheel

30%

26%

Build

24%

20%

Poetry

8%

5%

conda-build

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

63%

PyPI

38%

Privater Python-Package-Index

15%

Interner PyPI-Mirror

9%

conda-forge

5%

Sonstiges

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

Interessanterweise ist die Nutzung von PyPI seit dem Vorjahr um 9 Prozentpunkte zurückgegangen, während interne PyPI-Mirrors um 5 Prozentpunkte zugelegt haben.

Demografie

Teamarbeiter und Einzelkämpfer

49%

Ich arbeite allein an meinen Projekten

46%

Ich arbeite in einer Gruppe

5%

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

Arbeit an Projekten

41%

Ich arbeite an einem Haupt- und mehreren Nebenprojekten

38%

Ich arbeite an vielen verschiedenen Projekten

21%

Ich arbeite nur an einem Projekt

Haupterwerbsstatus

59%

Vollzeitbeschäftigt bei einem Unternehmen/einer Organisation

13%

Schüler(in)/Student(in)

7%

Freelancer

7%

Selbständig

7%

Werkstudent*in

5%

Teilzeitbeschäftigt bei einem Unternehmen/einer Organisation

1%

Im Ruhestand

2%

Sonstiges

Firmengröße

8%

Nur ich

11%

2–10

17%

11–50

26%

51–500

8%

501–1000

10%

1001–5000

18%

5.000+

3%

Ich weiß es nicht

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

Teamgröße

67%

2–7

19%

8–12

7%

13–20

4%

21–40

3%

40+

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

Unternehmensbranche

38%

Informationstechnologie / Software-Entwicklung

7%

Bildung / Ausbildung

7%

Wissenschaften

6%

Buchhaltung / Finanz / Versicherung

4%

Medizin / Gesundheit

4%

Verarbeitendes Gewerbe / Fertigungsindustrie

4%

Banking / Immobilien / Hypothekenfinanzierung

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

Zielbranche

50%

Informationstechnologie / Software-Entwicklung

5%

Rechnungswesen/Finanzen/Versicherungen

3%

Verarbeitendes Gewerbe / Fertigungsindustrie

3%

Vertrieb / Business Development

3%

Logistik/Transport

3%

Banking / Immobilien / Hypothekenfinanzierung

3%

Medizin/Gesundheitswesen

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

Arbeitsrollen100+

65%

Entwicklung/Programmierung

19%

Data Analyst

17%

Teamleiter

15%

Architekt

10%

Technischer Support

7%

Systems Analyst

6%

Produktmanagement

6%

CIO/CEO/CTO

6%

Qualitätssicherung

5%

DBA

5%

Business Analyst

4%

Technische Dokumentation

13%

Sonstiges

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

Altersgruppe

9%

18–20

37%

21–29

31%

30–39

13%

40–49

6%

50–59

3%

Über 60

Python-Erfahrung

23%

Weniger als 1 Jahr

20%

1–2 Jahre

29%

3–5 Jahre

18%

6–10 Jahre

10%

Mehr als 11 Jahre

Berufserfahrung in der Programmierung

33%

Weniger als 1 Jahr

19%

1–2 Jahre

19%

3–5 Jahre

12%

6–10 Jahre

16%

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.

19%

Vereinigte Staaten

11%

Indien

6%

Deutschland

4%

China (Festland)

4%

Großbritannien

4%

Brasilien

4%

Frankreich

3%

Russland

2%

Kanada

2%

Polen

2%

Italien

2%

Türkei

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 Beginn Ihrer Datenanalyse sollten Sie die folgenden wichtigen Punkte berücksichtigen:

Dieser Datensatz enthält nur Antwortbögen aus den offiziellen Kanälen der Python Software Foundation. Nach dem Herausfiltern doppelter und unzuverlässiger Antworten umfasst der Datensatz mehr als 23.000 Antwortbögen, die im Zeitraum von Oktober bis Dezember 2022 gesammelt wurden. Die Umfrage wurde auf python.org, im PSF-Blog, in den offiziellen Python-Mailinglisten, in Python-bezogenen Subreddits sowie über die Accounts der PSF auf Twitter und LinkedIn angekündigt. Um eine Verzerrung der Umfrage zugunsten bestimmter Tools oder Technologien zu verhindern, wurden keine Produkt-, Service- oder Herstellerkanäle zur Rekrutierung verwendet.

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

Eines der folgenden Kriterien:

  • Alter 17 Jahre oder jünger.
  • Keine Antwort auf die Frage „Wie viele Jahre professionelle Programmiererfahrung haben Sie?“ auf der dritten Seite der Umfrage.
  • 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 verwendet).
  • Keine Verwendung von Python.

Mindestens zwei der folgenden Kriterien:

    • Mehr als 16 Programmiersprachen verwendet.
  • Mehr als 9 Arbeitsrollen.
  • Mehr als 11 Verwendungszwecke unter „Wofür verwenden Sie Python?“ angekreuzt.
  • Das gewählte Land/die gewählte Region steht alphabetisch ganz oben auf der Liste und zählt nicht zu den häufigen Ländern/Regionen.
  • Sowohl „CEO“ als auch „Technischer Support“ als Arbeitsrollen angekreuzt.
  • „CEO“ und „Unter 21 Jahre“ angekreuzt.
  • Insgesamt zu viele Antworten angekreuzt (fast alle Frameworks für Data Science, Webentwicklung, Paketierung usw.).
  • Zu schnell geantwortet (weniger als 5 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!

Spenden Sie für die regelmäßige Unterstützungskampagne der PSF. 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 2021, 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!

Schwerkraft

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