JetBrains logo

2023년 Python 개발자 설문조사 결과

Python Software Foundation과 JetBrains가 공동으로 실시하고 이번으로 일곱 번째 맞는 연례 공식 Python 개발자 설문조사입니다.

응답은 2023년 11월부터 2024년 2월까지 수집되었으며, 약 200개 국가 및 지역에서 25,000명 이상의 Python 개발자와 팬들이 참여하여 Python의 현재 상태와 에코시스템에 대한 정보를 제공했습니다.

2022, 2021, 2020, 2019, 20182017년 Python 개발자 설문조사 결과를 확인해 보세요.

공유하기:

일반적 Python 사용 현황

Python을 기본 언어 또는 보조 언어로 사용하는 비율

85%

기본

15%

보조

다른 언어와 함께 Python이 사용되는 비율100%+

2021년20222023
40%37%35%JavaScript
38%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%기타
13%14%17%없음
040%

요즘은 Go와 Rust를 이용하여 지연 시간이 짧고 메모리 안전성을 갖춘 애플리케이션을 만드는 데 관심이 커지고 있습니다.

다른 언어와 함께 Python이 사용되는 비율100%+

35%

38%

JavaScript

33%

31%

HTML/CSS

32%

26%

SQL

29%

25%

Bash/Shell

23%

35%

C/C++

Paul Everitt
JetBrains의 웹 및 데이터 애드보커시 부문 팀장

"HTML/CSS/JS의 감소는 Python에서 데이터 과학이 차지하는 비중이 커지고 있음을 시사할 수 있습니다."

LinkedIn, Mastodon, X(이전 Twitter)

웹 및 데이터 과학용 언어100%+

40%

44%

SQL

30%

36%

Bash/Shell

30%

62%

JavaScript

28%

53%

HTML/CSS

25%

14%

C/C++

19%

15%

Java

12%

27%

TypeScript

웹 개발자란 “Python을 주로 어떤 용도로 사용하시나요?”라는 질문에 '웹 개발'을 선택한 사람들을 말합니다. 데이터 과학자는 같은 질문에서 '데이터 분석' 또는 '머신러닝'을 선택한 사람들을 말합니다.

Python으로 프로그래밍한 지 얼마나 되셨나요?

25%

1년 미만

16%

1~2년

26%

3~5년

19%

6~10년

13%

11년 이상

전문적으로 코딩을 하신 지 몇 년이 되셨나요?

33%

1년 미만

16%

1~2년

18%

3~5년

15%

6~10년

18%

11년 이상

Sarah Boyce
Django Fellow

"Python은 읽기 쉬운 구문, 넓은 적용 범위(데이터 과학부터 웹 개발까지), 훌륭한 커뮤니티 덕분에 초보자에게 좋은 프로그래밍 언어로 많이 권장됩니다."

Mastodon, LinkedIn

37%

작년에 오픈 소스 프로젝트에 기여했다고 보고한 Python 개발자의 비율

Marie Nordin
Python Software Foundation의 커뮤니티 커뮤니케이션 관리자

"그냥 봐도 높은 수치이고, 설문조사에 처음 포함된 것을 고려하면 고무적인 결과입니다. 앞으로 이러한 추세가 계속될지 기대됩니다."

X(이전 Twitter)

작년에 어떤 오픈 소스에 기여하셨나요?100%+

77%

코드

38%

문서/예제/교육

35%

유지 관리자/거버넌스/리더십

33%

테스트

19%

분류 문제 또는 기능 요청

13%

커뮤니티 구축/지원 프로그램

2%

기타

34%

공동 개발에 참여한다고 보고한 Python 개발자의 비율

Python 개발과 관련된 새로운 도구와 기술에 대한 정보를 일반적으로 어디에서 습득하시나요?100%+

55%

문서 및 API

45%

YouTube

44%

Python.org

42%

Stack Overflow

41%

블로그

28%

19%

AI 도구

14%

온라인 코딩 학교 및 MOOC

14%

콘퍼런스/행사

13%

팟캐스트

Python 사용 목적

이 섹션에서는 사람들이 Python을 사용하는 용도, 작업 중인 개발 유형, 언어 사용을 다양하게 결합하는 방법을 알아보기 위해 질문했습니다.

Python을 주로 어떤 용도로 사용하시나요?

51%

업무 및 개인용으로 모두

28%

개인, 교육 또는 보조 프로젝트용으로

21%

업무용으로

연도별 Python 사용 현황100%+

2021년20222023
51%51%44%데이터 분석
45%43%42%웹 개발
36%36%34%머신러닝
27%데이터 엔지니어링
36%34%26%DevOps/시스템 관리/자동화 스크립트 작성
31%30%25%웹 파서/스크레이퍼/크롤러 프로그래밍
25%학술 연구
26%25%23%소프트웨어 테스트/자동화된 테스트 작성
27%27%22%교육 목적
21%디자인/데이터 시각화
22%20%19%소프트웨어 프로토타이핑
19%19%15%데스크톱 개발
18%17%14%네트워크 프로그래밍
12%13%10%컴퓨터 그래픽
10%9%10%게임 개발
8%MLOps
5%6%7%멀티미디어 애플리케이션 개발
7%8%7%임베디드 개발
6%6%6%모바일 개발
7%6%6%기타
051%

2023년에는 새로운 옵션이 추가되어 목록이 확장되었습니다.

기본 및 보조 언어로서의 Python 사용 현황100%+

44%

40%

데이터 분석

44%

33%

웹 개발

34%

29%

머신러닝

28%

20%

데이터 엔지니어링

26%

21%

학술 연구

26%

26%

DevOps/시스템 관리/자동화 스크립트 작성

25%

23%

웹 파서/스크레이퍼/크롤러 프로그래밍

Python을 주로 어떤 용도로 사용하시나요?

21%

웹 개발

10%

머신러닝

10%

데이터 분석

9%

학술 연구

9%

교육 목적

7%

DevOps/시스템 관리/자동화 스크립트 작성

6%

데이터 엔지니어링

다음 활동에 어느 정도로 관여하고 계신가요?

웹 개발

데이터 분석

머신러닝

데이터 엔지니어링

학술 연구

DevOps/시스템 관리/자동화 스크립트 작성

교육 목적

소프트웨어 테스트/자동화된 테스트 작성

소프트웨어 프로토타이핑

디자인/데이터 시각화

웹 파서/스크레이퍼/크롤러 프로그래밍

데스크톱 개발

네트워크 프로그래밍

Python 버전

Python 3 대 Python 2

2023

2022

2021년

2020년

2019년

2018년

2017년

Python 2를 계속 사용하는 이들의 절반 가량은 21세 미만이고, 3분의 1은 학생입니다. 일부 과정에서는 아직도 Python 2를 사용하고 있는 것일까요?

Python 3 버전100%+

2021년20222023
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 미만
045%

참고: 2023년에 Python 3.7 이하 버전의 수명이 끝났습니다. Python 3.12는 2023년 10월(본 설문조사가 시작되기 1개월 전)에 출시되었으며 이미 높은 채택률을 보이고 있습니다. 이 설문조사에 참여한 이들 중 Python 3.13을 사용 중인 개발자는 알파 릴리스를 사용하고 있습니다.

거의 75%의 사용자가 Python의 최근 3개 버전을 사용합니다. 반가운 소식입니다! 성능과 편의성 개선에 힘 입어 Python의 최신 버전이 커뮤니티에서 매우 빠르게 채택되고 있습니다.

Python 설치 및 업그레이드100%+

31%

Python.org

24%

OS 전체 패키지 관리 도구

17%

pyenv

16%

Docker 컨테이너

14%

Anaconda

5%

소스에서 빌드

4%

클라우드 제공업체를 통한 자동 업그레이드

참고: Enthought의 비율은 0.5% 미만으로, 기타에 포함되었습니다.

프레임워크 및 라이브러리

웹 프레임워크100%+

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%

기타

23%

없음

2023년에는 새로운 옵션이 추가되어 목록이 확장되었습니다.

웹 프레임워크100%+

36%

42%

Flask

31%

46%

FastAPI

31%

40%

Requests

26%

63%

Django

18%

29%

Asyncio

16%

4%

Streamlit

12%

43%

Django REST Framework

웹 프레임워크는 널리 채택되어 데이터 과학자의 77%와 웹 개발자의 97%가 사용하고 있습니다.

Vladimir Sotnikov
JetBrains 컴퓨터 아트 이니셔트 부문 개발 책임자

"ML 개발자는 완벽한 웹 앱 개발에 주로 사용되는 프레임워크인 Django는 별로 사용하지 않는 반면, RESTful API 구축에 적합한 Flask와 FastAPI는 웹 개발자만큼 많이 사용합니다. 이는 ML 전문가들이 웹 개발에 적극적으로 관여하고 있지만, 전통적인 웹사이트 제작보다는 주로 API 기반 서비스를 통해 참여하고 있음을 보여줍니다."

LinkedIn, Google Scholar

Django 환경에 대한 자세한 내용은 Django Software Foundation과 파트너십을 맺어 수행한 2023년 Django 개발자 설문조사에서 확인할 수 있습니다.

기타 프레임워크 및 라이브러리100%+

31%

BeautifulSoup

28%

Pillow

22%

OpenCV-Python

22%

Pydantic

17%

Tkinter

12%

PyQT

11%

Scrapy

유닛 테스트 프레임워크100%+

52%

pytest

25%

unittest

11%

mock

9%

doctest

5%

tox

5%

Hypothesis

2%

nose

클라우드 플랫폼

클라우드 플랫폼 사용100%+

2021년20222023
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%기타
39%34%33%없음
<1%39%

2023년에는 새로운 옵션이 추가되어 목록이 확장되었습니다.

Mukul Mantosh
JetBrains의 웹 및 데이터 애드보커시 부문 개발자 애드버킷

"Azure가 OpenAI 서비스를 출시하자 AWS와 Google은 모두 Bedrock과 Gemini를 발 빠르게 내놓았습니다."

LinkedIn, X(이전 Twitter)

Sarah Boyce
Django Fellow

"Google Cloud Platform은 특히 미국에서 인기가 높아지고 있으며(응답자의 38%가 사용), AWS를 제치고 1위 클라우드 공급자로 자리매김했습니다.

Heroku가 무료 제품 요금제를 폐지한 후 사용자 점유율은 2021년 14%에서 2023년 7%로 떨어졌습니다.”

Mastodon, LinkedIn

Jay Miller
Aiven의 직원 개발자 애드버킷

"가격과 관련하여 중대한 비즈니스 결정이 있었고 여기에는 인수합병이 어느 정도 영향을 미친 것 같습니다.

Heroku는 가격 결정으로 인해 큰 타격을 받은 것으로 보이며, 그 손실로 이득을 본 사람은 (아마 PythonAnywhere를 제외하고) 아무도 없습니다."

LinkedIn, Kjaymiller

클라우드에서 코드를 어떻게 실행하시나요?100%+

47%

컨테이너 내에서

42%

가상머신에서

25%

서버리스

26%

PaaS(Platform-as-a-Service)에서

2%

기타

8%

없음

Mukul Mantosh
JetBrains의 웹 및 데이터 애드보커시 부문 개발자 애드버킷

“2022년 CNCF 설문조사에 따르면 약 44%의 사용자가 대부분의 프로덕션 워크로드를 컨테이너로 전환했으며, 9%는 여전히 평가 단계에 있습니다.”

LinkedIn, X(이전 Twitter)

45%

컨테이너에서 코드를 실행하는 데 Kubernetes를 사용한다고 말한 Python 사용자의 비율

다음 중 어떤 것을 사용하시나요?100%+

49%

Amazon Elastic Kubernetes Service

33%

Google Kubernetes Engine

21%

Azure Kubernetes Service

10%

RedHat OpenShift

16%

기타

Mukul Mantosh
JetBrains의 웹 및 데이터 애드보커시 부문 개발자 애드버킷

"저는 컨테이너 워크로드 관리에 주로 Amazon EKS를 사용합니다. AWS 서비스와 완벽하게 통합되기 때문이죠. 비슷한 경험을 제공하는 Google Kubernetes Engine(GKE)도 살펴보았습니다. 클러스터 구성, 노드 관리, 확장, 보안 및 기타 사전 정의된 설정이 모두 Google에서 관리된다는 점에서 GKE Autopilot이 특히 매력적이라고 생각했습니다."

LinkedIn, X(이전 Twitter)

클라우드용으로 어떻게 개발하시나요?100%+

49%

virtualenv를 사용하여 로컬에서

38%

Docker 컨테이너에서

23%

가상머신에서

20%

로컬 시스템 인터프리터를 사용하여

16%

원격 개발 환경에서

14%

WSL 사용

10%

프로덕션 환경에서 바로

2%

기타

Mukul Mantosh
JetBrains의 웹 및 데이터 애드보커시 부문 개발자 애드버킷

"AWS Toolkit과 Cloud Code Plugin이 제공하는 편의성 덕분에 서버리스 애플리케이션을 손쉽게 구축할 수 있어서 좋습니다. 또한 LocalStack과 같은 프레임워크를 사용하면 AWS 애플리케이션이나 람다를 온전히 로컬 시스템에서 실행할 수 있으므로 원격 클라우드 공급자에 연결할 필요가 없습니다."

LinkedIn, X(이전 Twitter)

데이터 과학

48%

설문조사에 참여한 모든 Python 개발자 중 데이터 탐색 및 처리에 관여한 개발자의 비율

데이터 탐색 및 처리에 사용하는 도구

77%

pandas

72%

NumPy

16%

Spark

14%

Airflow

10%

Polars

9%

사내 솔루션

7%

Dask

Jodie Burchell
JetBrains의 데이터 과학 애드보커시 부문 개발자 애드버킷

"pandas가 여전히 데이터 탐색 및 처리 작업을 위한 핵심 라이브러리의 자리를 지키고 있습니다. Spark, Dask, Ray와 같은 분산 데이터 처리 라이브러리를 사용하는 이들은 많지 않으며, 이들은 빅데이터를 다루는 것으로 보입니다. Polars는 로컬 시스템을 벗어나지 않고도 대규모 데이터 세트를 처리할 수 있는 방법으로 인기를 계속 모으고 있습니다."

LinkedIn, X(이전 Twitter), Mastodon, 블로그

대시보드 생성에 사용하는 라이브러리100%+

31%

Plotly Dash

28%

Streamlit

12%

Panel

12%

Gradio

4%

Voilà

13%

기타

26%

없음

응답자의 25%는 대시보드를 만든다고 답했습니다. 이런 작업에 가장 많이 사용되는 두 가지 도구는 Plotly Dash와 Streamlit입니다.

32%

모든 Python 개발자 중 ML 모델을 트레이닝시키거나 이로부터 예측을 생성한다고 보고한 개발자의 비율. 이런 작업에 가장 많이 사용되는 두 가지 솔루션은 scikit-learn과 PyTorch입니다.

ML 모델 트레이닝 및 예측에 사용하는 프레임워크
100%+

67%

scikit-learn

60%

PyTorch

48%

TensorFlow

44%

SciPy

30%

Keras

22%

Hugging Face Transformers

22%

XGBoost

트레이닝용 플랫폼100%+

52%

Jupyter Notebook

11%

Amazon Sagemaker

10%

SSH를 사용한 클라우드 VM

9%

AzureML

6%

Databricks

Jodie Burchell
JetBrains의 데이터 과학 애드보커시 부문 개발자 애드버킷

"머신러닝을 사용하는 대다수의 사람들이 scikit-learn과 SciPy를 사용한다는 사실은 전통적인 머신러닝과 통계가 데이터 과학에서 여전히 중요한 역할을 하고 있음을 보여줍니다. PyTorch, Tensorflow, Keras, Hugging Face Transformers와 같은 딥 러닝 라이브러리도 인기가 있는데, 이는 최근에 생성형 AI와 대규모 언어 모델에 쏠리고 있는 관심을 반영하는 결과일 수 있습니다."

LinkedIn, X(이전 Twitter), Mastodon, 블로그

실험적 추적 도구100%+

26%

TensorBoard

19%

MLflow

12%

Weights & Biases

4%

CometML

4%

NeptuneML

2%

기타

12%

사내 솔루션

44%

없음

Google은 2024년 1월 1일에 TensorBoard.dev(한 번의 클릭으로 텐서보드 데이터를 게시하는 서비스)에 대한 지원을 중단했습니다. 2024년에는 다른 옵션이 더 인기를 얻을 것으로 예상됩니다.

데이터 버전 관리에 사용하는 도구100%+

14%

사내 솔루션

7%

Dalta Lake

7%

DVC

4%

Pachyderm

3%

기타

69%

없음

18%

설문조사에 참여한 모든 개발자 중 ML 배포 및 추론 작업을 수행한 개발자의 비율

빅데이터를 다루시나요?

Jodie Burchell
JetBrains의 데이터 과학 애드보커시 부문 개발자 애드버킷

"소수의 사람들은 자신이 빅데이터를 다루고 있는지 잘 모르고 있어 이 용어의 모호함을 잘 드러내줍니다. 특히 PC의 성능이 점차 강력해지면서 이러한 모호함이 더 커지는 것 같습니다."

LinkedIn, X(이전 Twitter), Mastodon, 블로그

빅데이터 도구100%+

36%

PySpark

6%

PyFlink

8%

Great Expectations

3%

PyDeequ

5%

기타

50%

없음

빅데이터 작업에 사용하는 솔루션100%+

34%

클라우드

28%

자체 호스팅

25%

모두

13%

없음

개발 도구

운영 체제100%+

55%

Linux

55%

Windows

29%

macOS

2%

BSD

1%

기타

Linux를 개발 환경으로 사용하는 개발자의 비율이 수년에 걸쳐 감소세를 보이고 있습니다. 2021년과 비교하면 8%가 감소했습니다.

배포 및 추론에 사용하는 플랫폼 및 도구100%+

18%

Hugging Face

17%

Amazon Sagemaker

15%

MLflow

13%

AzureML

9%

Databricks

8%

VertexAI

7%

Kubeflow

7%

Nvidia Triton

ORM100%+

2021년20222024
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%기타
36%34%41%데이터베이스를 개발하지 않음
041%

데이터베이스를 전혀 개발하지 않는 사람의 비율이 작년보다 7% 증가했습니다.

ORM100%+

43%

9%

데이터베이스를 개발하지 않음

36%

54%

SQLAlchemy

15%

57%

Django ORM

13%

15%

Raw SQL

Vladimir Sotnikov
JetBrains의 컴퓨터 아트 이니셔티브 부문 개발 책임자

"데이터 과학자는 웹 개발자보다 DB를 훨씬 덜 자주 사용합니다. LLM 애플리케이션에 벡터 DB가 점차 많이 사용되면서 2024년에는 판도가 바뀔 가능성이 높습니다."

LinkedIn, Google Scholar

데이터베이스100%+

2021년20222023
43%42%43%PostgreSQL
38%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 Pinot
1%Apache Druid
1%2%0%Couchbase
6%6%4%기타
19%18%20%없음
0%43%

2023년에는 새로운 옵션이 추가되어 목록이 확장되었습니다.

PostgreSQL은 3년 연속 Python 사용자에게 가장 인기 있는 데이터베이스입니다.

지속적 통합(CI) 시스템100%+

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
JetBrains의 웹 및 데이터 애드보커시 부문 개발자 애드버킷

“GitHub Actions는 제가 정말 많이 사용하는 도구입니다. 개발자 관점에서 보면 DevOps나 CI 전문가가 필요하지 않습니다. 파이프라인 실행 프로세스를 단순화하는 간단한 YAML 파일입니다."

LinkedIn, X(이전 Twitter)

문서 도구100%+

43%

Markdown

25%

Swagger

16%

Sphinx

14%

Postman

13%

Wiki

7%

MKDocs

7%

rST

구성 관리 도구100%+

16%

Ansible

5%

Puppet

3%

Chef

3%

Salt

8%

맞춤형 솔루션

3%

기타

67%

없음

기본 IDE/에디터

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%

기타

5%

없음

가장 인기 있는 에디터와 IDE를 파악하기 위해 "현재 Python 개발에 사용하는 기본 에디터는 무엇인가요?"라는 1개의 답변만 할 수 있는 질문을 하였습니다.

PyCharm 사용자 중 68%가 PyCharm Professional Edition을 선택합니다.

데이터 과학 대 웹 개발

44%

46%

Visual Studio Code

27%

37%

PyCharm

7%

0%

Jupyter Notebook

VS Code 사용자 중 6%만이 VS Code Data Wrangler를 사용합니다. VS Code가 제공하는 Jupyter 지원은 사용자의 51%가 사용합니다.

IntelliJ IDEA 및 PyCharm의 Jupyter 지원을 사용하는 사용자는 각각 34%와 47%입니다.

기본 IDE/에디터 외에 사용하는 IDE/에디터100%+

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

사용하는 IDE/에디터 수

23%

1

38%

2

21%

3

19%

4+

데이터에 따르면, 응답자의 40%가 Python 개발을 위해 3개 이상의 IDE/에디터를 사용하는데, 이는 2개의 IDE/에디터를 동시에 사용하는 개발자의 수와 매우 비슷합니다.

Python 패키징

프로젝트 간 Python 환경을 분리하는 데 다음 중 어떤 도구를 사용하시나요?100%+

2021년20222023
44%43%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%기타
15%15%11%Python 환경 분리를 위해 사용하는 도구가 없음
1%55%

종속성을 관리하기 위해 어떤 도구를 사용하시나요?100%+

77%

Pip

19%

Conda

19%

Poetry

9%

pip-tools

9%

Pipenv

3%

Hatch

3%

PDM

2%

기타

6%

없음

애플리케이션 종속성 정보를 어떤 형식으로 저장하시나요?100%+

63%

requirements.txt

32%

pyproject.toml

17%

setup.py

8%

Pipfile

8%

environment.yml

8%

setup.cfg

패키지는 어디에서 받아 설치하시나요?100

80%

PyPI

28%

GitHub

16%

Anaconda

14%

로컬 소스

10%

Linux 배포 이용

10%

PyPI의 내부 미러

10%

비공개 Python Package Index

Dmitry Ustalov
JetBrains의 AI 평가 부문 팀장

"PyPI와 GitHub가 편리하기는 하지만 소프트웨어 공급망을 확실한 통제해야 합니다."

공급망 공격에 대해 자세히 알아보기

LinkedIn, GitHub

패키지는 어디에서 받아 설치하시나요?100

80%

90%

PyPI

30%

25%

GitHub

27%

6%

Anaconda

14%

10%

로컬 소스

13%

2%

기타 Conda 채널

Vladimir Sotnikov
JetBrains의 컴퓨터 아트 이니셔티브 부문 개발 책임자

"ML 개발자들은 Anaconda를 확실히 자주 사용합니다. 흥미로운 점은, 이들이 패키지 설치에 GitHub도 종종 사용한다는 것입니다. 이유는 많은 Python ML 라이브러리에 특정 Nvidia CUDA 버전 및 하드웨어 구성별로 기본적으로 컴파일링해야 하는 C/C++ 바이너리가 포함되어 있어, PyPI는 이러한 목적으로 사용하기에 비실용적이거나 전혀 쓸모 없기 때문입니다."

LinkedIn, Google Scholar

25%

자신이 개발한 Python 애플리케이션을 패키지로 만들어 패키지 저장소에 게시했다고 답한 응답자의 비율

Python 라이브러리 패키지를 만드는 데 어떤 도구를 사용하시나요?100

53%

Twine

33%

Poetry

9%

Flit

9%

Hatch

6%

PDM

9%

기타

Jay Miller
Aiven의 직원 개발자 애드버킷

“지난 1년 동안 이에 대해 많은 논의(*)가 있었습니다! 앞으로 몇 년 후에는 상황이 어떻게 전개될지 매우 기대됩니다."

LinkedIn, Kjaymiller

Python 패키징 도구에 대한 공정한 평가

Python 패키징 전략 토론

Python 패키지 평가 및 PyCon US 20주년 기념

Uv - Pip 대체를 위해 개발된 또 다른 Rust 도구

Vladimir Sotnikov
JetBrains의 컴퓨터 아트 이니셔티브 부문 개발 책임자

“작년 설문조사에서도 언급했듯이 Poetry의 인기가 꾸준히 높아지고 있습니다. 종속성 충돌 해결은 pip에 비해 많은 시간을 절약해 주는 기능 중 하나입니다.”

LinkedIn, Google Scholar

컨테이너에서 가상 환경을 사용하시나요?

31%

47%

아니요

1%

기타

21%

Python 개발에 컨테이너를 사용하지 않음

16%

C, C++, Rust, Go 등 다른 언어를 사용하여 Python용 바이너리 모듈을 빌드하는 응답자의 비율

Python용 바이너리 모듈을 빌드하는 데 사용하는 언어100%+

55%

C++

44%

C

27%

Rust

9%

Go

7%

C#/.NET

5%

Fortran

3%

어셈블리

5%

기타

인구통계

성별

이 질문은 선택 사항이었습니다.

연령대

8%

18~20세

32%

21~29세

33%

30~39세

16%

40~49세

7%

50~59세

3%

60세 이상

팀 작업 대 개인 작업

프로젝트 작업

고용 상태

62%

회사/조직의 정규직

12%

학생

6%

자영업

6%

프리랜서

5%

아르바이트생

4%

회사/조직의 계약직

1%

은퇴함

4%

현재 무직

1%

기타

직책100%+

62%

개발자/프로그래머

16%

팀장

15%

데이터 과학자

15%

데이터 엔지니어

14%

아키텍쳐 전문가

12%

데이터 분석가

10%

ML 엔지니어/MLOps

9%

학술 연구자

8%

기술 지원

6%

시스템 분석가

6%

CIO/CEO/CTO

5%

제품 관리자

4%

DBA

4%

QA 엔지니어

4%

테크니컬 라이터

기업 규모

7%

혼자 일함

10%

2~10명

16%

11~50명

25%

51~500명

9%

501~1,000명

12%

1,001~5,000명

18%

5,000명 초과

3%

모르겠음

팀 규모

69%

2~7명

19%

8~12명

7%

13~20명

2%

21~40명

3%

40명 초과

Jay Miller
Aiven의 직원 개발자 애드버킷

"기술 직종에서 해고와 고용이 동시에 늘어나면서, 개인적으로 Python 개발자들이 어떠한 구조 조정을 겪었는지 궁금했습니다. 지난 몇 년 동안 팀 구성 측면에서는 큰 변화가 없는 듯합니다. 다만 21~40명으로 구성된 팀은 감소했습니다."

LinkedIn, Kjaymiller

기업 업종

38%

IT/소프트웨어 개발

6%

과학

6%

교육/트레이닝

6%

회계/재무/보험

4%

제조

4%

제약/의료

4%

금융/부동산/모기지 금융

2%

판매/유통/사업 개발

2%

보안

2%

물류/운송

2%

마케팅

2%

비영리

어느 국가 또는 지역에 살고 계시나요?

20%

미국

9%

인도

6%

독일

4%

영국

4%

프랑스

4%

중국 본토

3%

러시아

3%

브라질

3%

캐나다

2%

이탈리아

2%

폴란드

2%

스페인

38%

기타

1% 미만의 국가/지역은 모두 '기타'로 합쳐졌습니다.

방법론 및 원시 데이터

데이터를 더 상세하게 파헤쳐보고 싶으신가요? 익명 처리된 설문조사 응답을 다운로드하여 몰랐던 사실을 알아보세요! X에서 #pythondevsurvey 해시태그와 함께 @jetbrains@ThePSF를 멘션하여 새로운 사실과 인사이트를 공유하세요.

이 데이터를 분석하기 전에 다음 중요한 정보에 유념하세요.

데이터 세트에는 공식 Python Software Foundation 채널의 응답만 포함됩니다. 데이터 세트에는 중복되고 신뢰할 수 없는 응답을 배제한 후, 2023년 11월부터 2024년 2월 사이에 수집된 25,000개 이상의 응답을 포함했습니다. 설문조사 홍보는 python.org, PSF 블로그, 공식 Python 메일링 리스트, Python 관련 하위 레딧, PSF TwitterLinkedIn 계정 등의 채널을 통해 진행했습니다. 설문조사가 특정 도구나 기술에 유리하게 편향되는 것을 방지하기 위해 제품, 서비스 또는 공급업체 관련 채널은 응답을 수렴하는 데 사용하지 않았습니다.

데이터는 익명으로 처리되며, 개인 정보나 지리적 위치 정보는 포함되지 않습니다. 개인 의견으로 개별 응답자를 식별하지 못하도록 모든 개방형 필드를 삭제했습니다.

설문조사의 논리를 더 잘 이해할 수 있도록 데이터 세트, 설문조사 질문 및 설문조사 논리를 함께 공개했습니다. 답변 옵션에 대해 다양한 순서 지정 방법을 사용했습니다(알파벳, 무작위, 직접). 답변의 순서는 질문별로 지정됩니다.

답변을 제외한 기준

다음에 해당되는 경우
  • 17세 이하인 경우.
  • 설문조사 세 번째 페이지에 있는 "전문적으로 코딩을 하신 지 몇 년이 되셨나요?"라는 질문에 응답하지 않은 경우.
  • 21세 미만이면서 11년 이상의 전문 코딩 경험이 있는 경우.
  • 다중 선택 질문에 대한 단일 답변이 너무 많은 경우('없음' 답변 제외).
  • 동일한 이메일 주소로 여러 번 응답한 경우(하나의 응답만 사용됨).
  • Python을 사용하지 않는 경우.

다음 중 두 가지 이상에 해당되는 경우
  • 16개 이상의 프로그래밍 언어를 사용한다고 선택한 경우.
  • 9개 이상의 직무를 선택한 경우.
  • "Python을 어떤 용도로 사용하시나요?"라는 질문에 11개 이상의 응답을 선택한 경우.
  • 선택한 국가/지역이 많이 선택한 국가/지역이 아닌 알파벳순 목록의 상단에 위치한 경우.
  • CEO 및 기술 지원 직무를 동시에 선택한 경우.
  • CEO 직무를 선택했으나 만 21세 미만인 경우.
  • 전반적으로 너무 많은 답변이 선택된 경우(데이터 과학, 웹 개발, 패키징 등을 위해 거의 모든 프레임워크를 사용).
  • 너무 빨리 응답한 경우(질문당 5초 미만).

Python Software Foundation과 JetBrains를 대표하여 이 설문조사에 참여해 주신 모든 분들께 다시 한 번 감사드립니다. 여러분의 도움으로 Python 커뮤니티의 현황을 더 정확하게 포착할 수 있었습니다!

PSF의 정기 기부 캠페인에 동참하세요. PSF는 후원자, 회원 및 일반 대중의 지원으로만 운영되는 비영리 조직입니다.

2022, 2021, 2020, 2019, 20182017년 Python 개발자 설문조사 결과를 확인해 보세요.

JetBrains의 다른 대규모 설문조사 보고서를 살펴보세요!

읽어주셔서 감사합니다!

보고서가 여러분에게 유익한 도움이 되었기를 바랍니다. 이 보고서를 친구 및 동료와 공유하세요.

향후 설문조사에 참여해 주세요.

본 설문조사에 관한 질문이나 향후 설문조사에 대한 제안이 있으면 surveys@jetbrains.com 또는 psf@python.org로 연락해 주시기 바랍니다.