JetBrains logo

Resultados de la encuesta de desarrolladores Python 2023

Esta es la séptima encuesta oficial anual de desarrolladores de Python, realizada en colaboración entre la Python Software Foundation y JetBrains.

Entre noviembre de 2023 y febrero de 2024, más de 25 000 desarrolladores y seguidores de Python de casi 200 países y regiones realizaron la encuesta para esclarecer el estado actual de este lenguaje y del ecosistema que lo rodea.

Consulte los resultados de las encuestas de desarrolladores Python de 2022, 2021, 2020, 2019, 2018 y 2017.

Compartir:

Utilización de Python general

Python como lenguaje principal vs. secundario

85%

Principal

15%

Secundario

Utilización de Python con otros lenguajes+100 %

202120222023
40 %37 %35 %JavaScript
38 %El 36 %32 %HTML/CSS
33 %31 %29 %Bash/Shell
33 %34 %31 %SQL
30 %29 %25 %C/C++
20 %19 %19 %Java
11 %11 %12 %C#
10 %11 %13 %TypeScript
9 %8 %8 %Go
9 %9 %7 %PHP
6 %7 %7 %Rust
5 %6 %5 %R
4 %4 %4 %Visual Basic
3 %3 %3 %Kotlin
2 %2 %2 %Ruby
2 %2 %1 %Perl
2 %2 %2 %Swift
2 %2 %2 %Scala
1 %1 %1 %Objective-C
1 %1 %1 %Clojure
1 %2 %1 %Groovy
1 %1 %1 %CoffeeScript
1 %Julia
1 %Mojo
8 %7 %7 %Otros
13 %14 %17 %Ninguna
040 %

En la actualidad, existe un interés creciente en Go y Rust para crear aplicaciones de baja latencia y memoria segura.

Utilización de Python con otros lenguajes+100 %

35%

38%

JavaScript

33%

31%

HTML/CSS

32%

26%

SQL

29%

25%

Bash/Shell

23%

35%

C/C++

Paul Everitt
Jefe del equipo de promoción de web y datos de JetBrains

«La caída de HTML/CSS/JS podría indicar que la ciencia de datos está aumentando su proporción de Python.»

LinkedIn, Mastodon, X (anteriormente Twitter)

Lenguajes para ciencia de datos y web+100 %

40%

44%

SQL

30%

36%

Bash/Shell

30%

62%

JavaScript

28%

53%

HTML/CSS

25%

14%

C/C++

19%

15%

Java

12%

27%

TypeScript

El desarrollo web hace referencia a las personas que seleccionaron «Desarrollo web» como respuesta a la pregunta «¿Para qué utiliza Python con mayor frecuencia?». La ciencia de datos hace referencia a las personas que seleccionaron «Análisis de datos» o «Aprendizaje automático» en la misma pregunta.

¿Cuánto tiempo lleva programando en Python?

25%

Menos de 1 año

16%

De 1 a 2 años

26%

De 3 a 5 años

19%

De 6 a 10 años

13%

11 años o más

¿Cuántos años de experiencia profesional en codificación tiene?

33%

Menos de 1 año

16%

De 1 a 2 años

18%

De 3 a 5 años

15%

De 6 a 10 años

18%

11 años o más

Sarah Boyce
Django Fellow

«Python se recomienda habitualmente como un buen lenguaje de programación para principiantes debido a su sintaxis legible, amplia aplicabilidad (desde la ciencia de datos hasta el desarrollo web) y gran comunidad.»

Mastodon, LinkedIn

37 %

de los desarrolladores de Python declararon haber contribuido a proyectos de código abierto el año pasado.

Marie Nordin
Directora de comunicaciones con la comunidad de Python Software Foundation

«Es una gran cifra que valorar y un resultado alentador para tratarse de la primera inclusión en la encuesta. Estoy deseando ver cómo evoluciona esta tendencia año tras año.»

X (anteriormente Twitter)

En el último año, ¿cómo describiría sus contribuciones al código abierto?+100 %

77%

Programación

38%

Documentación / Ejemplos / Educativo

35%

Mantenimiento / Gobernanza / Liderazgo

33%

Pruebas

19%

Clasificación de incidencias o solicitudes de funcionalidades

13%

Fortalecimiento de la comunidad / Difusión

2%

Otros

34 %

de los desarrolladores de Python afirman practicar el desarrollo colaborativo.

¿Dónde suele informarse sobre nuevas herramientas y tecnologías relevantes para su desarrollo de Python?+100 %

55%

Documentación y API

45%

YouTube

44%

Python.org

42%

Stack Overflow

41%

Blogs

28%

Libros

19%

Herramientas de IA

14%

Escuelas de programación en línea y MOOC

14%

Conferencias / eventos

13%

Podcasts

Propósitos para usar Python

En esta sección, planteamos preguntas para descubrir para qué utiliza la gente Python, en qué tipos de desarrollos están involucrados y cómo combinan sus diferentes usos.

¿Con qué propósitos utiliza principalmente Python?

51%

Tanto para trabajar como a nivel personal

28%

Para proyectos personales, formativos o secundarios

21%

Para trabajar

Uso de Python por año+100 %

202120222023
51 %51 %44 %Análisis de datos
45 %43 %42 %Desarrollo web
El 36 %El 36 %34 %Aprendizaje automático
27 %Ingeniería de datos
El 36 %34 %26 %DevOps / Administración de sistemas / Escritura de scripts de automatización
31 %30 %25 %Programación de parsers / scrapers / crawlers web
25 %Investigación académica
26 %25 %23 %Pruebas de software / Escritura de pruebas automatizadas
27 %27 %22 %Fines educativos
21 %Diseño / Visualización de datos
22 %20 %19 %Prototipado de software
19 %19 %15 %Desarrollo de escritorio
18 %17 %14 %Programación de redes
12 %13 %10 %Gráficos por ordenador
10 %9 %10 %Desarrollo de juegos
8 %MLOps
5 %6 %7 %Desarrollo de aplicaciones multimedia
7 %8 %7 %Desarrollo integrado
6 %6 %6 %Desarrollo móvil
7 %6 %6 %Otros
051 %

Tenga en cuenta que en 2023 la lista se amplió con nuevas opciones.

Uso de Python como lenguaje principal y secundario+100 %

44%

40%

Análisis de datos

44%

33%

Desarrollo web

34%

29%

Aprendizaje automático

28%

20%

Ingeniería de datos

26%

21%

Investigación académica

26%

26%

DevOps / Administración de sistemas / Escritura de scripts de automatización

25%

23%

Programación de parsers / scrapers / crawlers web

¿Para qué utiliza Python con mayor frecuencia?

21%

Desarrollo web

10%

Aprendizaje automático

10%

Análisis de datos

9%

Investigación académica

9%

Fines educativos

7%

DevOps / Administración de sistemas / Escritura de scripts de automatización

6%

Ingeniería de datos

¿En qué medida participa en las siguientes actividades?

Desarrollo web

Análisis de datos

Aprendizaje automático

Ingeniería de datos

Investigación académica

DevOps / Administración de sistemas / Escritura de scripts de automatización

Fines educativos

Pruebas de software / Escritura de pruebas automatizadas

Prototipado de software

Diseño / Visualización de datos

Programación de parsers / scrapers / crawlers web

Desarrollo de escritorio

Programación de redes

Versiones de Python

Python 3 frente a Python 2

2023

2022

2021

2020

2019

2018

2017

Casi la mitad de los usuarios de Python 2 tienen menos de 21 años y un tercio son estudiantes. ¿Tal vez los cursos siguen utilizando Python 2?

Versiones de Python 3+100 %

202120222023
2 %Python 3.13
19 %Python 3.12
31 %Python 3.11
16 %45 %23 %Python 3.10
35 %23 %11 %Python 3.9
27 %17 %8 %Python 3.8
13 %9 %3 %Python 3.7
7 %4 %2 %Python 3.6
2 %2 %1 %Python 3.5 o anterior
045 %

Nota: En 2023, Python 3.7 y las versiones anteriores se encontraban en el final de su ciclo de vida. Python 3.12 se lanzó en octubre de 2023 (1 mes antes de que comenzara esta encuesta) y ya cuenta con un alto índice de adopción. Los desarrolladores que utilizan Python 3.13 a partir de esta encuesta están utilizando una versión alfa.

Casi el 75 % de los usuarios utilizan las 3 últimas versiones de Python. ¡Es una gran noticia! La comunidad ha ido adoptando las últimas versiones de Python con bastante rapidez debido a las mejoras de rendimiento y comodidad que ofrecen.

Instalación y actualización de Python+100 %

31%

Python.org

24%

Herramienta de gestión de paquetes para todo el SO

17%

pyenv

16%

Contenedores Docker

14%

Anaconda

5%

Compilación desde la fuente

4%

Actualizaciones automáticas a través de un proveedor de la nube

Nota: Enthought ha obtenido menos del 0,5 % de las respuestas y se ha incluido en Otros.

Marcos de trabajo y bibliotecas

Marcos de trabajo web+100 %

33%

Flask

33%

Django

30%

Requests

29%

FastAPI

20%

Asyncio

18%

Django REST Framework

12%

httpx

12%

aiohttp

8%

Streamlit

6%

Starlette

3%

Tornado

3%

web2py

3%

Bottle

3%

Pyramid

3%

CherryPy

2%

Falcon

2%

Twisted

2%

Quart

1%

Hug

5%

Otros

23%

Ninguna

Tenga en cuenta que en 2023 la lista se amplió con nuevas opciones.

Marcos de trabajo web+100 %

36%

42%

Flask

31%

46%

FastAPI

31%

40%

Requests

26%

63%

Django

18%

29%

Asyncio

16%

4%

Streamlit

12%

43%

Django REST Framework

Los marcos de trabajo web se utilizan de forma generalizada, entre otros, por el 77 % de los científicos de datos y el 97 % de los desarrolladores web.

Vladimir Sotnikov
Jefe de desarrollo de Computational Arts Initiative de JetBrains

«Si bien los desarrolladores de aprendizaje automático son menos propensos a utilizar Django, un marco de trabajo favorecido para el desarrollo de aplicaciones web a gran escala, su compromiso con Flask y FastAPI, ambos adecuados para la creación de las API de RESTful, es casi tan alto como el de los desarrolladores web. Esto sugiere que los profesionales del aprendizaje automático participan activamente en el desarrollo web, pero principalmente a través de servicios basados en API en lugar de con la creación tradicional de sitios web.»

LinkedIn, Google Scholar

Puede encontrar más información sobre el panorama de Django en la Encuesta de desarrolladores Django 2023, realizada en colaboración con la Django Software Foundation.

Otros marcos de trabajo y bibliotecas+100 %

31%

BeautifulSoup

28%

Pillow

22%

OpenCV-Python

22%

Pydantic

17%

Tkinter

12%

PyQT

11%

Scrapy

Marcos de trabajo de pruebas de unidad+100 %

52%

pytest

25%

unittest

11%

mock

9%

doctest

5%

tox

5%

Hypothesis

2%

nose

Plataformas en la nube

Uso de plataformas en la nube+100 %

202120222023
31 %32 %33 %AWS
19 %22 %25 %Google Cloud Platform
14 %16 %20 %Microsoft Azure
7 %9 %11 %PythonAnywhere
10 %11 %10 %DigitalOcean
14 %13 %7 %Heroku
4 %Alibaba
3 %4 %3 %Linode
3 %Oracle Cloud
3 %Hetzner
3 %4 %2 %OpenStack
2 %3 %2 %OpenShift
2 %Tencent
1 %2 %<1 %Rackspace
6 %6 %5 %Otros
39 %34 %33 %Ninguna
<1 %39 %

Tenga en cuenta que en 2023 la lista se amplió con nuevas opciones.

Mukul Mantosh
Promotor de desarrolladores del equipo de promoción de web y datos de JetBrains

«Después de que Azure introdujera su servicio de OpenAI, tanto AWS como Google actuaron con rapidez para lanzar Bedrock y Gemini.»

LinkedIn, X (anteriormente Twitter)

Sarah Boyce
Django Fellow

«Google Cloud Platform está ganando popularidad, sobre todo en Estados Unidos, donde la utiliza el 38 % de los encuestados, y supera a AWS como principal proveedor de servicios en la nube.

Después de que Heroku eliminara sus planes de productos gratuitos, su cuota de usuarios cayó del 14 % en 2021 a solo el 7 % en 2023.»

Mastodon, LinkedIn

Jay Miller
Promotor de desarrolladores en plantilla de Aiven

«Creo que las principales decisiones empresariales en torno a los precios y las adquisiciones han influido en cierta medida en dónde se implementan las cosas.

La decisión de precios de Heroku parece haber tenido una gran repercusión, pero no hubo un claro ganador (tal vez excepto PythonAnywhere) de esa pérdida.»

LinkedIn, Kjaymiller

¿Cómo ejecuta el código en la nube?+100 %

47%

Dentro de contenedores

42%

En máquinas virtuales

25%

Sin servidor

26%

En una plataforma como servicio

2%

Otros

8%

Ninguna

Mukul Mantosh
Promotor de desarrolladores del equipo de promoción de web y datos de JetBrains

«Según la encuesta de la CNCF de 2022, aproximadamente el 44 % de los usuarios han realizado la transición de la mayoría de sus cargas de trabajo de producción a contenedores, y un 9 % adicional están aún en fase de evaluación.»

LinkedIn, X (anteriormente Twitter)

45 %

de los Pythonistas dicen que utilizan Kubernetes para ejecutar código en contenedores.

¿Cuáles de los siguientes servicios utiliza?+100 %

49%

Amazon Elastic Kubernetes Service

33%

Google Kubernetes Engine

21%

Azure Kubernetes Service

10%

RedHat OpenShift

16%

Otros

Mukul Mantosh
Promotor de desarrolladores del equipo de promoción de web y datos de JetBrains

«Me baso principalmente en Amazon EKS para administrar las cargas de trabajo en contenedores, dado que ofrece una integración perfecta con los servicios de AWS. Además, he explorado Google Kubernetes Engine (GKE), que ofrece una experiencia comparable. Sin embargo, GKE Autopilot me pareció especialmente atractivo, dado que se encarga de la configuración del grupo, la gestión de nodos, el escalado, la seguridad y otros ajustes predefinidos. Todo ello gestionado por Google.»

LinkedIn, X (anteriormente Twitter)

¿Cómo desarrolla para la nube?+100 %

49%

Localmente con virtualenv

38%

En contenedores Docker

23%

En máquinas virtuales

20%

Con un intérprete del sistema local

16%

En entornos de desarrollo remotos

14%

Uso de WSL

10%

Directamente en el entorno de producción

2%

Otros

Mukul Mantosh
Promotor de desarrolladores del equipo de promoción de web y datos de JetBrains

«Aprecio la comodidad que ofrecen AWS Toolkit y el complemento Cloud Code para crear sin esfuerzo aplicaciones sin servidor. Además, los marcos de trabajo como LocalStack permiten ejecutar las aplicaciones o Lambdas de AWS completamente en su máquina local, lo que elimina la necesidad de conectarse a un proveedor remoto de servicios en la nube.»

LinkedIn, X (anteriormente Twitter)

Ciencia de datos

48 %

de los desarrolladores de Python encuestados se dedican a la exploración y el procesamiento de datos.

Herramientas para la exploración y el procesamiento de datos

77%

pandas

72%

NumPy

16%

Spark

14%

Airflow

10%

Polars

9%

Una solución interna

7%

Dask

Jodie Burchell
Promotora de desarrolladores del equipo de promoción de ciencia de datos de JetBrains

«Si bien pandas sigue siendo el caballo de batalla principal para las tareas de exploración y procesamiento de datos, una minoría de personas también utilizan bibliotecas de procesamiento de datos distribuidos como Spark, Dask o Ray, lo que sugiere que están trabajando con big data. Polars sigue creciendo en popularidad como una forma de manejar grandes conjuntos de datos sin salir de la máquina local.»

LinkedIn, X (antes Twitter), Mastodon, Blog

Bibliotecas para la creación de paneles+100 %

31%

Plotly Dash

28%

Streamlit

12%

Panel

12%

Gradio

4%

Voilà

13%

Otros

26%

Ninguna

El 25 % de los encuestados afirma trabajar en la creación de paneles. Plotly Dash y Streamlit son las dos principales opciones para este tipo de tareas.

32 %

de los desarrolladores de Python afirman que entrenan modelos de aprendizaje automático o generan predicciones a partir de ellos. scikit-learn y PyTorch son las dos soluciones más utilizadas para estas tareas.

Marcos de trabajo para el entrenamiento y la predicción de modelos de aprendizaje automático
+100 %

67%

scikit-learn

60%

PyTorch

48%

TensorFlow

44%

SciPy

30%

Keras

22%

Hugging Face Transformers

22%

XGBoost

Plataformas para el entrenamiento+100 %

52%

Jupyter Notebook

11%

Amazon Sagemaker

10%

Máquinas virtuales en la nube con SSH

9%

AzureML

6%

Databricks

Jodie Burchell
Promotora de desarrolladores del equipo de promoción de ciencia de datos de JetBrains

«El hecho de que la mayoría de las personas que trabajan con aprendizaje automático utilicen scikit-learn y SciPy demuestra el fuerte papel que el aprendizaje automático clásico y la estadística siguen desempeñando en la ciencia de datos. Sin embargo, las bibliotecas de aprendizaje profundo también gozan de gran popularidad, como PyTorch, Tensorflow, Keras y Hugging Face Transformers, lo que potencialmente refleja el reciente interés en la IA generativa y los modelos de lenguaje de gran tamaño.»

LinkedIn, X (antes Twitter), Mastodon, Blog

Herramientas de seguimiento de experimentos+100 %

26%

TensorBoard

19%

MLflow

12%

Weights & Biases

4%

CometML

4%

NeptuneML

2%

Otros

12%

Una solución interna

44%

Ninguna

Google ha dejado de utilizar TensorBoard.dev (un servicio para publicar datos de TensorBoard en un solo clic) el 1 de enero de 2024. Podemos esperar que otras opciones se vuelvan más populares en 2024.

Herramientas para el versionado de datos+100 %

14%

Una solución interna

7%

Dalta Lake

7%

DVC

4%

Pachyderm

3%

Otros

69%

Ninguna

18 %

de los desarrolladores encuestados trabajan en la implementación e inferencia de aprendizaje automático.

¿Trabaja con big data?

Jodie Burchell
Promotora de desarrolladores del equipo de promoción de ciencia de datos de JetBrains

«La minoría de personas que no están seguras de trabajar con big data refleja lo confuso de este término, especialmente a medida que los ordenadores personales tienen un hardware cada vez más potente.»

LinkedIn, X (antes Twitter), Mastodon, Blog

Herramientas de big data+100 %

36%

PySpark

6%

PyFlink

8%

Great Expectations

3%

PyDeequ

5%

Otros

50%

Ninguna

Soluciones que se utilizan para trabajar con big data+100 %

34%

Nube

28%

Autoalojamiento

25%

Los dos

13%

Ninguna

Herramientas de desarrollo

Sistema operativo+100 %

55%

Linux

55%

Windows

29%

macOS

2%

BSD

1%

Otros

La proporción de desarrolladores que utilizan Linux como entorno de desarrollo ha disminuido a lo largo de los años: en comparación con 2021, se ha reducido en 8 puntos porcentuales.

Plataformas y herramientas de implementación e inferencia+100 %

18%

Hugging Face

17%

Amazon Sagemaker

15%

MLflow

13%

AzureML

9%

Databricks

8%

VertexAI

7%

Kubeflow

7%

Nvidia Triton

ORMs+100 %

202120222024
34 %35 %34 %SQLAlchemy
29 %28 %25 %Django ORM
16 %16 %13 %Raw SQL
7 %SQLModel
5 %8 %3 %SQLObject
3 %3 %2 %Peewee
2 %3 %2 %Tortoise ORM
1 %2 %1 %Dejavu
1 %3 %1 %PonyORM
4 %4 %3 %Otros
El 36 %34 %41 %No me dedico al desarrollo de bases de datos
041 %

La proporción de los que no desarrollan bases de datos ha aumentado 7 puntos porcentuales con respecto al año pasado.

ORMs+100 %

43%

9%

No me dedico al desarrollo de bases de datos

36%

54%

SQLAlchemy

15%

57%

Django ORM

13%

15%

Raw SQL

Vladimir Sotnikov
Jefe de desarrollo de Computational Arts Initiative de JetBrains

«Los científicos de datos utilizan las bases de datos con mucha menos frecuencia que los desarrolladores web. Esto probablemente cambiará en 2024 a medida que las bases de datos vectoriales se vuelvan cada vez más populares para las aplicaciones de LLM.»

LinkedIn, Google Scholar

Bases de datos+100 %

202120222023
43 %42 %43 %PostgreSQL
38 %El 36 %34 %SQLite
37 %37 %30 %MySQL
20 %19 %17 %MongoDB
18 %16 %17 %Redis
10 %12 %10 %MS SQL Server
10 %MariaDB
6 %7 %6 %Oracle Database
5 %DynamoDB
3 %4 %4 %Amazon Redshift
4 %BigQuery
2 %3 %2 %Cassandra
2 %3 %2 %Neo4j
2 %ClickHouse
2 %Firebase Realtime Database
1 %2 %1 %HBase
1 %2 %1 %DB2
1 %2 %1 %h2
1 %Apache Druid
1 %2 %0 %Apache Druid
6 %6 %4 %Couchbase
19 %18 %20 %Otros
0 %43 %

Tenga en cuenta que en 2023 la lista se amplió con nuevas opciones.

PostgreSQL sigue siendo la base de datos más popular entre los usuarios de Python por tercer año consecutivo.

Sistemas de integración continua (CI)+100 %

33%

GitHub Actions

21%

Gitlab CI

12%

Jenkins / Hudson

7%

Azure DevOps

6%

AWS CodePipeline / AWS CodeStar

6%

Google Cloud Build

4%

CircleCI

Mukul Mantosh
Promotor de desarrolladores del equipo de promoción de web y datos de JetBrains

«GitHub Actions es una herramienta que utilizo en gran medida. Desde la perspectiva de un desarrollador, no necesito un experto en DevOps o CI. Es solo un archivo YAML directo que simplifica la ejecución de procesos.»

LinkedIn, X (anteriormente Twitter)

Herramientas de documentación+100 %

43%

Markdown

25%

Swagger

16%

Sphinx

14%

Postman

13%

Wiki

7%

MKDocs

7%

rST

Herramientas de gestión de la configuración+100 %

16%

Ansible

5%

Puppet

3%

Chef

3%

Salt

8%

Una solución personalizada

3%

Otros

67%

Ninguna

IDE/editor principal

41%

Visual Studio Code

31%

PyCharm

3%

Vim

3%

Jupyter Notebook

3%

Neovim

2%

Sublime Text

2%

Emacs

1%

IntelliJ IDEA

1%

IDLE

1%

Notepad++

1%

Spyder

1%

JupyterLab

1%

Python Tools for Visual Studio

2%

Otros

5%

Ninguna

Para identificar los editores e IDE más populares, planteamos una pregunta de respuesta única: «¿Cuál es el editor principal que utiliza para desarrollar en Python actualmente?».

Entre los usuarios de PyCharm, el 68 % elige PyCharm Professional Edition.

Ciencia de datos frente a desarrollo web

44%

46%

Visual Studio Code

27%

37%

PyCharm

7%

0%

Jupyter Notebook

Solo el 6 % de los usuarios de VS Code utilizan VS Code Data Wrangler. Al mismo tiempo, la compatibilidad con Jupyter que ofrece VS Code es utilizada por el 51 % de sus usuarios.

La compatibilidad con Jupyter en IntelliJ IDEA y PyCharm es utilizada por el 34 % y el 47 % de los usuarios respectivamente.

IDE/editores utilizados, además del IDE/editor principal+100 %

22%

Visual Studio Code

20%

Jupyter Notebook

17%

Vim

13%

PyCharm Community Edition

12%

JupyterLab

11%

Notepad++

9%

Sublime Text

7%

PyCharm Professional Edition

7%

Nano

Número de IDE/editores utilizados

23%

1

38%

2

21%

3

19%

+4

Según nuestros datos, el 40 % de los encuestados utilizan 3 o más IDE/editores para el desarrollo de Python, porcentaje que se acerca mucho a la cifra de los que utilizan 2 IDE/editores simultáneamente.

Paquetes de Python

¿Cuál de las siguientes herramientas utiliza para aislar entornos Python entre proyectos?+100 %

202120222023
44 %43 %El 55 %venv
42 %37 %28 %virtualenv
21 %21 %20 %Conda
14 %16 %18 %Poetry
16 %14 %9 %Pipenv
7 %6 %4 %virtualenvwrapper
1 %3 %3 %Hatch
4 %3 %4 %Otros
15 %15 %11 %No utilizo ninguna herramienta para aislar entornos Python
1 %El 55 %

¿Qué herramientas utiliza para gestionar las dependencias?+100 %

77%

Pip

19%

Conda

19%

Poetry

9%

pip-tools

9%

Pipenv

3%

Hatch

3%

PDM

2%

Otros

6%

Ninguna

¿En qué formato o formatos se almacena la información sobre las dependencias de aplicaciones?+100 %

63%

requirements.txt

32%

pyproject.toml

17%

setup.py

8%

Pipfile

8%

environment.yml

8%

setup.cfg

¿De dónde instala los paquetes?100

80%

PyPI

28%

GitHub

16%

Anaconda

14%

Una fuente local

10%

De la distribución de Linux

10%

Un espejo interno de PyPI

10%

Un Python Package Index privado

Dmitry Ustalov
Jefe de equipo de evaluación de IA de JetBrains

«Si bien PyPI y GitHub son prácticos, asegúrese de que su cadena de suministro de software esté bajo control.»

Más información acerca de los ataques a la cadena de suministro

LinkedIn, GitHub

¿De dónde instala los paquetes?100

80%

90%

PyPI

30%

25%

GitHub

27%

6%

Anaconda

14%

10%

Una fuente local

13%

2%

Otros canales de Conda

Vladimir Sotnikov
Jefe de desarrollo de Computational Arts Initiative de JetBrains

«Los desarrolladores de aprendizaje automático utilizan con frecuencia Anaconda, lo cual resulta bastante evidente. Curiosamente, también suelen utilizar GitHub para la instalación de paquetes. Esto se debe a que muchas bibliotecas de aprendizaje automático de Python incluyen binarios para C/C++ que deben compilarse de forma nativa para versiones de Nvidia CUDA y configuraciones de hardware específicas, lo que hace que PyPI sea poco práctico o incluso inutilizable para estos fines.»

LinkedIn, Google Scholar

25 %

de los encuestados afirman haber empaquetado y publicado aplicaciones de Python que han desarrollado en un repositorio de paquetes.

¿Qué herramientas utiliza para crear paquetes de sus bibliotecas de Python?100

53%

Twine

33%

Poetry

9%

Flit

9%

Hatch

6%

PDM

9%

Otros

Jay Miller
Promotor de desarrolladores en plantilla de Aiven
Vladimir Sotnikov
Jefe de desarrollo de Computational Arts Initiative de JetBrains

«Como también se observó en la encuesta del año pasado, Poetry sigue haciéndose cada vez más popular. La resolución de conflictos de dependencias es una funcionalidad que ahorra mucho tiempo en comparación con pip.»

LinkedIn, Google Scholar

¿Utiliza entornos virtuales en los contenedores?

31%

47%

No

1%

Otros

21%

No utilizo contenedores para el desarrollo en Python

16 %

de los encuestados compilan módulos binarios para Python utilizando otro lenguaje como C, C++, Rust o Go.

Lenguajes para compilar módulos binarios para Python+100 %

55%

C++

44%

C

27%

Rust

9%

Go

7%

C# / .NET

5%

Fortran

3%

Assembly

5%

Otros

Datos demográficos

Género

Esta pregunta era opcional.

Intervalo de edades

8%

18-20

32%

21-29

33%

30-39

16%

40-49

7%

50–59

3%

Mayor de 60

Trabajar en un equipo vs. trabajar de forma independiente

Trabajar en proyectos

Situación laboral

62%

Empleado a tiempo completo en una empresa u organización

12%

Estudiante

6%

Trabajador por cuenta propia

6%

Autónomo

5%

Estudiante que trabaja

4%

Empleado a tiempo parcial en una empresa u organización

1%

Jubilado

4%

Actualmente sin empleo

1%

Otros

Cargos+100 %

62%

Desarrollador / Programador

16%

Jefe del equipo

15%

Científico de datos

15%

Ingeniero de datos

14%

Arquitecto

12%

Analista de datos

10%

Ingeniero de aprendizaje automático / MLOps

9%

Investigador académico

8%

Asistencia técnica

6%

Analista de sistemas

6%

CIO / CEO / CTO

5%

Director de producto

4%

Administrador de bases de datos

4%

Ingeniero de control de calidad

4%

Redactor técnico

Tamaño de la empresa

7%

Solo yo

10%

2–10

16%

11–50

25%

51–500

9%

501-1000

12%

1001-5000

18%

Más de 5000

3%

No lo sé seguro

Tamaño del equipo

69%

2-7 personas

19%

8-12 personas

7%

13-20 personas

2%

21-40 personas

3%

Más de 40 personas

Jay Miller
Promotor de desarrolladores en plantilla de Aiven

«Con la cantidad de despidos y el aumento de personas en el mercado laboral tecnológico, me preguntaba cómo les ha ido a los Pythonistas. Parece que no ha cambiado mucho en términos de composición de los equipos en los últimos años, excepto que los equipos de 21–40 personas se han visto reducidos.»

LinkedIn, Kjaymiller

Sector de la empresa

38%

Tecnología de la información / Desarrollo de software

6%

Ciencias

6%

Educación / Formación

6%

Contabilidad / Finanzas / Seguros

4%

Fabricación

4%

Medicina / Salud

4%

Banca / Sector inmobiliario / Financiamiento hipotecario

2%

Ventas / Distribución / Desarrollo empresarial

2%

Seguridad

2%

Logística / Transporte

2%

Marketing

2%

Sin fines de lucro

¿Cuál es su país o región?

20%

Estados Unidos

9%

India

6%

Alemania

4%

Reino Unido

4%

Francia

4%

China continental

3%

Federación Rusa

3%

Brasil

3%

Canadá

2%

Italia

2%

Polonia

2%

España

38%

Otros

Los países/regiones con menos del 1 % se han combinado en «Otros».

Metodología y datos brutos

¿Quiere profundizar en los datos?Descargue las respuestas anónimas de la encuesta y vea todo lo que puede aprender.Comparta sus conclusiones y puntos de vista mencionando a @jetbrains y a @ThePSF en Twitter con el hashtag #pythondevsurvey.

Antes de empezar a diseccionar estos datos, tenga en cuenta los siguientes puntos importantes:

Este conjunto de datos incluye solo las respuestas de los canales oficiales de la Python Software Foundation.Tras filtrar las respuestas duplicadas y poco fiables, el conjunto de datos incluye más de 25 000 respuestas recogidas entre noviembre de 2023 y febrero de 2024. La encuesta se promocionó en python.org y en el blog de la PSF, en las listas de correo oficiales de Python y en subreddits relacionados con Python, así como en las cuentas de Twitter y LinkedIn de la PSF. Para evitar que la encuesta se inclinase a favor de alguna herramienta o tecnología específica, no se han utilizado canales relacionados con productos, servicios o proveedores para recoger las respuestas.

Los datos se han anonimizado, sin información personal ni detalles de geolocalización.Para evitar la identificación de cualquier persona encuestada por sus comentarios, se han eliminado todos los campos abiertos.

Para que se comprenda mejor la lógica de la encuesta, compartimos el conjunto de datos, las preguntas de la encuesta y toda la lógica de esta. Hemos utilizado varios métodos de ordenación de las opciones de respuesta (alfabético, aleatorio y directo). En cada pregunta se especifica el orden de las respuestas.

Criterios para descartar respuestas

Cualquiera de los siguientes
  • Menor de 17 años.
  • No respondió a la pregunta «¿Cuántos años de experiencia profesional en codificación tiene?» de la tercera página de la encuesta.
  • Menor de 21 años y con más de 11 años de experiencia profesional en codificación.
  • Demasiadas respuestas únicas para las preguntas de opción múltiple (sin tener en cuenta las respuestas «Ninguna» o «Ninguno»).
  • Varias respuestas desde la misma dirección de correo electrónico (solo se utiliza una respuesta).
  • No utiliza Python.

Al menos dos de las siguientes condiciones
  • Utilización de más de 16 lenguajes de programación.
  • Más de 9 puestos de trabajo.
  • Más de 11 opciones seleccionadas en respuesta a «¿Para qué utiliza Python?».
  • El país o región seleccionado se encuentra entre los primeros de la lista por orden alfabético y no entre los países o regiones populares.
  • El puesto de CEO y el de Asistencia técnica a la vez.
  • CEO y menor de 21 años a la vez.
  • Demasiadas respuestas seleccionadas en general (usar casi todos los marcos de trabajo para ciencia de datos, para desarrollo web, empaquetado, etc.).
  • Respuesta demasiado rápida (menos de 5 segundos por pregunta).

Una vez más, en nombre de la Python Software Foundation y de JetBrains, nos gustaría dar las gracias a todos los que han participado en esta encuesta. Con su ayuda, podemos cartografiar el panorama de la comunidad de Python de forma más precisa.

Colabore con la Campaña de donaciones recurrentes de la PSF. La PSF es una organización sin ánimo de lucro que se nutre enteramente de sus patrocinadores, sus miembros y el público general.

Consulte los resultados de las encuestas de desarrolladores Python de 2022, 2021, 2020, 2019, 2018 y 2017.

Consulte todos los informes de encuestas a gran escala de JetBrains.

¡Gracias por su tiempo!

Esperamos que este informe le haya resultado útil. Compártalo con sus amigos y compañeros.

Participar en próximas encuestas:

Si tiene preguntas sobre esta encuesta o sugerencias para encuestas futuras, póngase en contacto con nosotros en surveys@jetbrains.com o en psf@python.org.