Resultados de la encuesta de desarrolladores Python 2024
Esta es la octava encuesta anual de desarrolladores de Python, realizada en colaboración entre la Python Software Foundation y JetBrains PyCharm.
Entre octubre y noviembre de 2024, más de 30 000 desarrolladores y entusiastas de Python de casi 200 países y regiones realizaron la encuesta para esclarecer el estado actual del lenguaje y su ecosistema.
Consulte los resultados de las encuestas de desarrolladores Python de 2023, 2022, 2021, 2020, 2019, 2018 y 2017.
Compartir:
Utilización de Python general
Python como lenguaje principal vs. secundario
Principal
Secundario
Utilización de Python con otros lenguajes+100 %
Todas las opciones con menos del 2 % se han fusionado en «Otros».
Lenguajes para ciencia de datos y desarrollo web+100 %
45%
46%
SQL
34%
64%
JavaScript
32%
54%
HTML/CSS
31%
35%
Bash / Shell
29%
16%
C/C++
19%
13%
Java
14%
29%
TypeScript
11%
2%
R
10%
8%
C#
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.
Utilización de Python con otros lenguajes+100 %
40%
43%
JavaScript
37%
35%
HTML/CSS
37%
30%
SQL
32%
25%
Bash / Shell
26%
37%
C/C++
17%
28%
Java
15%
24%
TypeScript
9%
18%
C#
8%
12%
Go
de los desarrolladores de Python encuestados practican el desarrollo colaborativo, una disminución de 7 puntos porcentuales respecto al año pasado.
Esta disminución puede deberse a la fatiga del trabajo remoto, con desarrolladores que prefieren flujos de trabajo individuales, o el retorno a los entornos de oficina, donde la dinámica de colaboración cambia.
¿Cuántos años de experiencia profesional en codificación tiene?
Menos de 1 año
De 1 a 2 años
De 3 a 5 años
De 6 a 10 años
11 años o más
¿Cuánto tiempo lleva programando en Python?
Menos de 1 año
De 1 a 2 años
De 3 a 5 años
De 6 a 10 años
11 años o más
¿Sabía que Python es el lenguaje más popular para aprender a programar?
Una de cada cinco personas encuestadas ha programado en Python durante menos de un año, y más de dos tercios de los estudiantes de informática en todo el mundo declaran haber utilizado Python tanto para el aprendizaje como para el trabajo en el último año.
Consulte nuestro Informe de la encuesta sobre la curva de aprendizaje de la informática de 2024 para explorar las tendencias actuales: desde formatos y herramientas de aprendizaje hasta motivaciones, objetivos profesionales y desafíos comunes.
de los Pythonistas declararon haber contribuido a proyectos de código abierto el año pasado.
En el último año, ¿cómo describiría sus contribuciones al código abierto?+100 %
¿Dónde suele informarse sobre nuevas herramientas y tecnologías relevantes para su desarrollo de Python?+100 %
55%
58%
Documentación y API
45%
51%
YouTube
44%
41%
Python.org
42%
43%
Stack Overflow
41%
38%
Blogs
28%
22%
Libros
19%
27%
Herramientas de IA
14%
13%
Escuelas de programación en línea y MOOC
La IA está ganando popularidad como método para aprender sobre nuevas herramientas y tecnologías en Python. De 2023 a 2024, la proporción de estudiantes que afirma que utiliza la IA para este propósito aumentó del 19 % al 27 %.
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?
Tanto para trabajar como a nivel personal
Para proyectos personales, formativos o secundarios
Para trabajar
¿Para qué utiliza Python?+100 %
Uso de Python como lenguaje principal y secundario+100 %
49%
42%
Análisis de datos
48%
34%
Desarrollo web
42%
33%
Aprendizaje automático
33%
22%
Ingeniería de datos
28%
23%
Extracción y análisis web
28%
23%
Investigación académica
26%
25%
DevOps / Administración de sistemas
¿Para qué utiliza Python con mayor frecuencia?
21%
23%
Desarrollo web
10%
13%
Aprendizaje automático
10%
10%
Análisis de datos
9%
8%
Investigación académica
9%
8%
Fines educativos
7%
6%
DevOps / Administración de sistemas / Escritura de scripts de automatización
6%
7%
Ingeniería de datos
En esta pregunta, les pedimos a las personas encuestadas que seleccionen solo una actividad principal.
¿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
de los desarrolladores de Python encuestados siguen utilizando Python 2.
Versiones de Python 3
Instalación y actualización de Python+100 %
¿Por qué no ha actualizado a la última versión?+100 %
Marcos de trabajo y bibliotecas
Marcos de trabajo web+100 %
Los porcentajes se calculan dentro de cada columna.
| 2021 | 2022 | 2023 | 2024 | |
|---|---|---|---|---|
| 21 % | 25 % | 29 % | 38 % | FastAPI |
| 40 % | 39 % | 33 % | 35 % | Django |
| 41 % | 39 % | 33 % | 34 % | Flask |
| – | – | 30 % | 33 % | Requests |
| – | – | 20 % | 23 % | Asyncio |
| – | – | 18 % | 20 % | Django REST Framework |
| – | – | 12 % | 15 % | httpx |
| – | – | 12 % | 13 % | aiohttp |
| – | – | 8 % | 12 % | Streamlit |
| – | – | 6 % | 8 % | Starlette |
| 3 % | 4 % | 3 % | 3 % | web2py |
| 4 % | 4 % | 3 % | 2 % | Tornado |
| 3 % | 3 % | 3 % | 2 % | Bottle |
| 3 % | 4 % | 3 % | 2 % | CherryPy |
| 3 % | 3 % | 3 % | 2 % | Pyramid |
| 2 % | 2 % | 2 % | 1 % | Falcon |
| 1 % | 2 % | 1 % | 1 % | Hug |
| – | – | 2 % | 1 % | Quart |
| – | – | 2 % | 1 % | Twisted |
| 5 % | 5 % | 5 % | 7 % | Otros |
| 29 % | 27 % | 23 % | 19 % | Ninguna |
Todas las opciones con menos del 2 % se han fusionado en «Otros».
Marcos de trabajo web+100 %
41%
56%
FastAPI
37%
39%
Flask
33%
42%
Requests
28%
61%
Django
22%
33%
Asyncio
22%
7%
Streamlit
13%
44%
Django REST Framework
Uso cruzado de marcos de trabajo web+100 %
Los porcentajes se calculan dentro de cada columna.
| Asyncio | Django | Django REST Framework | FastAPI | Requests | Starlette | Streamlit | aiohttp | httpx | |
|---|---|---|---|---|---|---|---|---|---|
| – | 26 % | 33 % | 42 % | 45 % | 69 % | 37 % | 81 % | 56 % | Asyncio |
| 38 % | – | 93 % | 42 % | 41 % | 37 % | 38 % | 39 % | 38 % | Django |
| 27 % | 53 % | – | 29 % | 28 % | 27 % | 23 % | 28 % | 26 % | Django REST Framework |
| 68 % | 45 % | 55 % | – | 55 % | 92 % | 65 % | 67 % | 69 % | FastAPI |
| 43 % | 47 % | 47 % | 45 % | 47 % | 35 % | 51 % | 42 % | 36 % | Flask |
| 62 % | 39 % | 47 % | 48 % | – | 67 % | 54 % | 64% | 56 % | Requests |
| 23 % | 8 % | 11 % | 19 % | 16 % | – | 15 % | 24 % | 27 % | Starlette |
| 19 % | 13 % | 14 % | 21 % | 19 % | 22 % | – | 17 % | 17 % | Streamlit |
| 45 % | 15 % | 19 % | 23 % | 25 % | 41 % | 19 % | – | 35 % | aiohttp |
| 35 % | 16 % | 20 % | 27 % | 25 % | 52 % | 21 % | 40 % | – | httpx |
| 21 % | 18 % | 18 % | 18 % | 20 % | 22 % | 20 % | 24 % | 27 % | Otros |
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%
34%
BeautifulSoup
28%
32%
Pillow
22%
30%
Pydantic
22%
26%
OpenCV-Python
17%
21%
Tkinter
12%
13%
PyQT
11%
12%
Scrapy
10%
11%
Pygame
Marcos de trabajo de pruebas de unidad+100 %
pytest
unittest
mock
doctest
tox
Hypothesis
nose
Otros
Ninguna
¿Para qué marcos de trabajo le gustaría disponer de compatibilidad enriquecida en su editor o IDE?+100 %
PyCharm
PyCharm proporciona compatibilidad ampliada para el desarrollo de backend, incluida compatibilidad con Django, FastAPI y Flask.
Plataformas en la nube
Uso de plataformas en la nube+100 %
Tenga en cuenta que en 2023, la lista se amplió con nuevas opciones.
Todas las opciones con menos del 2 % se han fusionado en «Otros».
¿Cómo ejecuta el código en la nube?+100 %
Dentro de contenedores
En máquinas virtuales
Sin servidor
En una plataforma como servicio
Otros
Ninguna
de los desarrolladores encuestados usan Kubernetes para ejecutar código en contenedores.
¿Cuáles de los siguientes servicios utiliza?+100 %
Amazon Elastic Kubernetes Service
Google Kubernetes Engine
Azure Kubernetes Service
RedHat OpenShift
Otros
¿Cómo desarrolla para la nube?+100 %
49%
51%
Localmente con virtualenv
38%
44%
En contenedores Docker
23%
23%
En máquinas virtuales
20%
19%
Con un intérprete del sistema local
16%
16%
En entornos de desarrollo remotos
14%
15%
Uso de WSL
10%
9%
Directamente en el entorno de producción
2%
2%
Otros
Ciencia de datos
de todos los desarrolladores de Python encuestados participan en la exploración y procesamiento de datos, con pandas y NumPy como las herramientas más utilizadas para hacerlo.
Herramientas para la exploración y el procesamiento de datos
Todas las opciones con menos del 2 % se han fusionado en «Otros».
Herramientas para el versionado de datos
Una solución interna
Delta Lake
DVC
Pachyderm
Otros
Ninguna
de los Pythonistas encuestados afirmaron que trabajan en la creación de paneles, con Streamlit y Plotly Dash como principales opciones para dichas tareas.
Bibliotecas para la creación de paneles+100 %
Streamlit
Plotly Dash
TensorBoard
Gradio
Panel
Voila
Otros
Ninguna
Soluciones BI+100 %
PowerBI
No estoy seguro/a
Tableau
Looker
Metabase
QlikView
Otros
Ninguna
Todas las opciones con menos del 2 % se han fusionado en «Otros».
de las personas encuestadas entrenan o generan predicciones usando modelos de aprendizaje automático, lo que supone un aumento de seis puntos porcentuales respecto al año pasado. Entre ellas, más de dos tercios utilizan scikit-learn y PyTorch.
Marcos de trabajo para el entrenamiento y la predicción de modelos de aprendizaje automático+100 %
67%
68%
SciKit-Learn
60%
66%
PyTorch
48%
49%
TensorFlow
44%
42%
SciPy
30%
30%
Keras
22%
28%
Hugging Face Transformers
22%
23%
XGBoost
Todas las opciones con menos del 2 % se han fusionado en «Otros».
Marcos de trabajo para el entrenamiento de modelos de aprendizaje automático o el uso cruzado de predicciones+100 %
Los porcentajes se calculan dentro de cada columna.
| Hugging Face Diffusers | Hugging Face Transformers | Keras | NLTK | PyTorch | PyTorch Lightning | SciKit-Learn | SciPy | TensorFlow | XGBoost | spaCy | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| – | 38 % | 18 % | 22 % | 16 % | 25 % | 14 % | 16 % | 17 % | 17 % | 25 % | Hugging Face Diffusers |
| 90 % | – | 38 % | 53 % | 37 % | 46 % | 33 % | 34 % | 34 % | 42 % | 62 % | Hugging Face Transformers |
| 47 % | 40 % | – | 50 % | 36 % | 37 % | 41 % | 42 % | 52 % | 50 % | 46 % | Keras |
| 36 % | 36 % | 33 % | – | 24 % | 28 % | 27 % | 29 % | 27 % | 35 % | 59 % | NLTK |
| 88 % | 86 % | 78 % | 80 % | – | 94 % | 72 % | 77 % | 76 % | 75 % | 82 % | PyTorch |
| 31 % | 24 % | 18 % | 21 % | 21 % | – | 18 % | 21 % | 16 % | 21 % | 25 % | PyTorch Lightning |
| 74 % | 78 % | 89 % | 90 % | 73 % | 79 % | – | 91% | 80 % | 94 % | 88 % | SciKit-Learn |
| 57 % | 50 % | 59 % | 62 % | 49 % | 61 % | 58 % | – | 52 % | 62 % | 68 % | SciPy |
| 69 % | 59 % | 85 % | 68 % | 57 % | 55 % | 59 % | 61 % | – | 63 % | 63 % | TensorFlow |
| 33 % | 34 % | 38 % | 42 % | 26 % | 34 % | 34 % | 34 % | 30 % | – | 43 % | XGBoost |
| 30 % | 31 % | 22 % | 43 % | 18 % | 24 % | 19 % | 23 % | 18 % | 26 % | – | spaCy |
Herramientas de seguimiento de experimentos+100 %
TensorBoard
MLFlow
Weights & Biases
Una solución interna
NeptuneML
CometML
Otros
Ninguna
TensorBoard.dev ha quedado obsoleto, pero TensorBoard sigue siendo una de las primeras opciones para el seguimiento de experimentos.Su integración profunda con los principales marcos de trabajo de aprendizaje automático, visualizaciones avanzadas y configuración local flexible contribuyen a su uso generalizado por parte de desarrolladores e investigadores.
Plataformas para el entrenamiento+100 %
de los desarrolladores de Python encuestados trabajan en la implementación e inferencia de aprendizaje automático. Curiosamente, las herramientas más populares para esta tarea son soluciones internas.
Plataformas de implementación e inferencia+100 %
¿Usted o su empresa utilizan herramientas o plataformas para cargas de trabajo de aprendizaje automático en la nube?
¿Cómo influyen los costes de computación en su elección de las herramientas o plataformas para cargas de trabajo de aprendizaje automático en la nube?
Son importantes, pero los sopeso con el rendimiento y las funcionalidades
Son el factor primordial; siempre busco minimizar los costes
Son secundarios frente a otros factores, como la facilidad de uso e integración
Los costes no son una gran preocupación
¿Cuál es su presupuesto mensual para recursos de computación de aprendizaje automático basados en la nube?
Menos de 1000 USD
De 1000 a 5000 USD
De 5000 a 10 000 USD
De 10 000 a 25 000 USD
Más de 25 000 USD
No estoy seguro/a
de las personas encuestadas trabajan con big data, y la mayoría prefiere soluciones en la nube. Entre las herramientas de big data, PySpark es la más popular, pues la emplea el 40 % de las personas encuestadas.
Herramientas de big data+100 %
36%
40%
PySpark
8%
7%
Great Expectations
6%
6%
PyFlink
3%
4%
PyDeequ
5%
4%
Otros
50%
49%
Ninguna
Soluciones que se utilizan para trabajar con big data+100 %
Nube
Autoalojamiento
Los dos
Ninguna
Herramientas de desarrollo
Sistema operativo+100 %
Linux
Windows
macOS
BSD
Otros
+100 %
ORMs+100 %
41%
59%
SQLAlchemy
15%
56%
Django ORM
12%
14%
Raw SQL
10%
14%
SQLModel
Todas las opciones con menos del 2 % se han fusionado en «Otros».
La proporción de científicos de datos involucrados en el desarrollo de bases de datos ha aumentado cuatro puntos porcentuales en comparación con el año pasado.
¿Podría este cambio deberse al creciente uso de bases de datos vectoriales en las aplicaciones de LLM?
ORMs+100 %
34%
39%
SQLAlchemy
25%
26%
Django ORM
13%
12%
Raw SQL
7%
10%
SQLModel
Bases de datos+100 %
43%
49%
PostgreSQL
34%
37%
SQLite
30%
31%
MySQL
17%
18%
Redis
17%
19%
MongoDB
10%
11%
MariaDB
10%
12%
MS SQL Server
Todas las opciones con menos del 2 % se han fusionado en «Otros».
Sistemas de integración continua (CI)+100 %
Todas las opciones con menos del 2 % se han fusionado en «Otros».
Dos tercios de los desarrolladores de Python utilizan habitualmente sistemas de integración continua.
GitHub Actions está en cabeza, seguido de GitLab CI/CD y de Jenkins/Hudson.
Herramientas de gestión de la configuración+100 %
Ansible
Una solución personalizada
Puppet
Chef
Salt
Otros
Ninguna
Herramientas de documentación+100 %
43%
44%
Markdown
25%
29%
Swagger
16%
15%
Sphinx
14%
15%
Postman
13%
11%
Wiki
¿Cómo suele trabajar con un solo archivo de Python?+100 %
Abro el proyecto completo que contiene el archivo en un IDE
Uso un editor de línea de comandos
Solo abro ese archivo en un IDE
Uso un editor de texto ligero
Otros
Normalmente no necesito abrir ni editar archivos de Python individuales
IDE/editor principal
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?».
Todas las opciones con menos de 1 % se han fusionado en «Otros».
Ciencia de datos frente a desarrollo web
44%
46%
Visual Studio Code
27%
37%
PyCharm
7%
0%
Jupyter Notebook
2%
0%
Spyder
Entre los usuarios de VS Code, el 11 % utiliza la extensión Data Wrangler y el 53 % aprovecha la compatibilidad con Jupyter del IDE.
PyCharm
En comparación, la compatibilidad con Jupyter es utilizada por el 33 % de los usuarios de IntelliJ IDEA y el 37 % de los usuarios de PyCharm.
Más información sobre la compatibilidad con los notebook de Jupyter y otras funcionalidades de PyCharm para los profesionales de datos.
de los desarrolladores de Python encuestados utilizan IDE o editores adicionales junto con el principal, y el 42% utiliza tres o más simultáneamente.
IDE/editores utilizados, además del IDE/editor principal+100 %
Todas las opciones con menos de 1 % se han fusionado en «Otros».
Número de IDE/editores utilizados
1
2
3
>3
Paquetes de Python
¿Cuál de las siguientes herramientas utiliza para aislar entornos Python entre proyectos?+100 %
55%
62%
venv
28%
25%
virtualenv
20%
19%
Conda
18%
18%
Poetry
9%
8%
Pipenv
–
11%
uv
PyCharm
PyCharm proporciona integración con uv, lo que le permite crear nuevos entornos desde cero y aplicar uv a los entornos existentes.
¿Qué herramientas utiliza para gestionar las dependencias?+100 %
77%
74%
pip
19%
20%
Poetry
19%
18%
Conda
–
12%
uv
9%
8%
Pipenv
9%
9%
pip-tools
¿En qué formato o formatos se almacena la información sobre las dependencias de aplicaciones?+100 %
63%
59%
requirements.txt
32%
36%
pyproject.toml
17%
16%
setup.py
11%
12%
No almaceno información de dependencias
¿De dónde instala los paquetes?100
80%
75%
PyPI
28%
29%
GitHub
16%
16%
Anaconda
14%
14%
Una fuente local
10%
10%
Un Python Package Index privado
10%
11%
De la distribución de Linux
10%
11%
Un espejo interno de PyPI
¿De dónde instala los paquetes?100
73%
83%
PyPI
29%
25%
GitHub
27%
6%
Anaconda
15%
10%
Una fuente local
13%
11%
Un espejo interno de PyPI
11%
12%
Un Python Package Index privado
10%
2%
Otros canales de Conda
de las personas encuestadas han empaquetado y publicado una aplicación de Python que han desarrollado en un repositorio de paquetes.
¿Qué herramientas utiliza para crear paquetes de sus bibliotecas de Python?100
Twine
PyPI Publish GitHub Action
Poetry
Hatch
Flit
PDM
Otros
¿En qué medida conoce Trusted Publishers?
Nunca he oído hablar de ello
Soy vagamente consciente de ello
Lo he probado, pero ya no lo uso
Lo uso actualmente
de los desarrolladores de Python encuestados trabajan con un monorepo, donde varios paquetes o servicios se almacenan en un solo repositorio, cada uno con sus propias dependencias gestionadas de forma independiente.
¿Utiliza entornos virtuales en los contenedores?
Sí
No
Otros
No utilizo contenedores para el desarrollo en Python
de las personas encuestadas construyen módulos binarios de Python con otros lenguajes, principalmente C++, C y Rust. Curiosamente, Rust muestra un aumento de seis puntos porcentuales en comparación con el año pasado.
Lenguajes para compilar módulos binarios para Python+100 %
55%
54%
C++
44%
45%
C
27%
33%
Rust
9%
10%
Go
Datos demográficos
Género
Esta pregunta era opcional.
Intervalo de edades
¿Cuál es su país o región?
Todas las opciones con menos de 1 % se han fusionado en «Otros».
Trabajar en un equipo vs. trabajar de forma independiente
Trabajar en proyectos
Situación laboral
Cargos+100 %
Tamaño de la empresa
Tamaño del equipo
Sector de la empresa
Todas las opciones con menos de 1 % se han fusionado 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 X con el hashtag #pythondevsurvey.
Antes de empezar a diseccionar estos datos, tenga en cuenta los siguientes puntos importantes:
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.
Esperamos que este informe le haya resultado útil. ¡Compártalo con sus amigos y compañeros!