JetBrains logo

2024년 Python 개발자 설문조사 결과

Python Software Foundation과 JetBrains PyCharm가 공동으로 실시하는 여덟 번째 연례 공식 Python 개발자 설문조사입니다.

응답은 2024년 10월부터 11월까지 수집되었으며, 거의 200개 국가 및 지역에서 30,000명 이상의 Python 개발자와 팬들이 참여하여 Python의 현재 상태와 에코시스템에 대한 정보를 제공했습니다.

2023년, 2022년, 2021년, 2020년, 2019년, 2018년, 2017년의 Python 개발자 설문조사 결과를 확인해 보세요.

공유하기:

내용

일반적 Python 사용 현황

Python 사용 목적

Python 버전

프레임워크 및 라이브러리

클라우드 플랫폼

데이터 과학

개발 도구

Python 패키징

인구통계

방법론 및 원시 데이터

일반적 Python 사용 현황

Python을 기본 언어 또는 보조 언어로 사용하는 비율

86%

기본

14%

보조

Python과 함께 사용되는 다른 언어의 사용 현황100%+

0%

50%

2021년202220232024

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

데이터 과학과 웹을 위한 언어100%+

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#

웹 개발자란 “Python을 주로 어떤 용도로 사용하시나요?”라는 질문에 웹 개발을 선택한 사람들을 말합니다.

데이터 과학자는 같은 질문에서 데이터 분석 또는 머신러닝을 선택한 사람들을 말합니다.

Python과 함께 사용되는 다른 언어의 사용 현황100%+

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

27%

설문에 응답한 Python 개발자의 27%가 협업 개발을 수행하고 있으며, 이는 작년보다 7% 감소한 수치입니다.

이러한 감소는 원격 업무로 인한 피곤함 때문에 개발자들이 개인 작업 방식을 선호하게 됨에 따라 발생했을 수 있으며, 사무실 환경으로 복귀하게 되면서 협업 동력이 변했기 때문일 수도 있습니다.

전문적으로 코딩을 하신 지 몇 년이 되셨나요?

31%

1년 미만

19%

1~2년

20%

3~5년

13%

6~10년

17%

11년 이상

Python으로 프로그래밍한 지 얼마나 되셨나요?

21%

1년 미만

18%

1~2년

30%

3~5년

19%

6~10년

12%

11년 이상

Python이 코딩을 배우기 위한 가장 인기 있는 언어라는 사실을 알고 계셨나요?

설문 응답자 5명 중 1명은 Python을 프로그래밍한 지 1년이 채 되지 않았으며, 전 세계 컴퓨터 과학 학습자의 2/3 이상이 지난 1년 동안 학습 및 작업에 Python을 사용했다고 보고했습니다.

컴퓨터 과학 교육의 세계에 더 깊이 빠져보고 싶으신가요?

2024년 컴퓨터 과학 학습 곡선 설문조사 보고서에서 학습 형식 및 도구부터 동기, 경력 목표, 일반적인 문제까지 현재의 동향을 확인해 보세요.

32%

작년에 오픈 소스 프로젝트에 기여했다고 보고한 Python 개발자의 비율입니다.

작년에 어떤 오픈 소스에 기여하셨나요?100%+

78%

코드

40%

문서/예제/교육

35%

유지 관리자/거버넌스/리더십

33%

테스트

19%

분류 문제 또는 기능 요청

13%

커뮤니티 구축/지원 프로그램

2%

기타

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

55%

58%

문서 및 API

45%

51%

YouTube

44%

41%

Python.org

42%

43%

Stack Overflow

41%

38%

블로그

28%

22%

책

19%

27%

AI 도구

14%

13%

온라인 코딩 학교 및 MOOC

Python의 새로운 도구와 기술을 배우는 방법으로 AI가 인기를 얻고 있습니다. 2023년부터 2024년까지 이 목적을 위해 AI를 사용한다고 보고한 학습자 비율이 19%에서 27%로 증가했습니다.

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

대부분의 AI 도구는 트레이닝 종료 날짜가 1~2년 전으로 맞춰져 있고, 많은 예시와 기존 코드가 있는 라이브러리를 선호하므로, 검색 메커니즘이 오래된 패키지에 강한 편향성을 가집니다. AI 도구는 트레이닝 종료 날짜가 1~2년 전으로 맞춰져 있고, 많은 예시와 기존 코드가 있는 라이브러리를 선호하므로, 검색 메커니즘이 오래된 패키지 쪽으로 많이 기울어 있습니다.

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?

52%

업무 및 개인용으로 모두

28%

개인, 교육 또는 보조 프로젝트용으로

20%

업무용으로

Python을 어떤 용도로 사용하시나요?100%+

0%

60%

2021년202220232024

기본 및 보조 언어로서의 Python 사용 현황100%+

49%

42%

데이터 분석

48%

34%

웹 개발

42%

33%

머신러닝

33%

22%

데이터 엔지니어링

28%

23%

웹 스크래핑 및 분석

28%

23%

학술 연구

26%

25%

DevOps/시스템 관리

Python을 주로 어떤 용도로 사용하시나요?

21%

23%

웹 개발

10%

13%

머신러닝

10%

10%

데이터 분석

9%

8%

학술 연구

9%

8%

교육 목적

7%

6%

DevOps/시스템 관리/자동화 스크립트 작성

6%

7%

데이터 엔지니어링

이 질문에서는 응답자들에게 하나의 주요 활동만 선택하도록 요청했습니다.

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

4%

설문조사에 참여한 Python 개발자 중 계속해서 Python 2를 사용하는 비율입니다.

Python 3 버전

2%

Python 3.14

15%

Python 3.13

35%

Python 3.12

21%

Python 3.11

15%

Python 3.10

6%

Python 3.9

3%

Python 3.8

1%

Python 3.7

1%

Python 3.6

1%

Python 3.5 미만

Hugo van Kemenade
PSF 펠로우, Python 오픈 소스 유지 관리자, CPython 핵심 개발자, PEP 편집자

지난 2년과 마찬가지로 수명이 끝난 Python 버전(현재 3.8 이하)을 사용하는 비율은 6%에 불과합니다. 대다수가 새로운 버전을 채택하고 있으며, 그 중 3.12 버전의 비율이 가장 높습니다. 이는 설문조사가 3.13 버전 출시 후 하루 뒤에 시작되었다는 점에서 특히 좋은 신호로 보입니다. 설문조사가 진행되던 6주 동안 15%는 이미 3.13을 주로 사용 중이었습니다. Python 3.14의 출시를 담당한 관리자로서 사람들이 새로운 알파 버전을 사용하고 있어서 기쁩니다.

Python 설치 및 업그레이드100%+

34%

Python.org

24%

OS 전체 패키지 관리 도구

17%

pyenv

17%

Docker 컨테이너 사용

14%

Anaconda

6%

다른 사람이 Python 업데이트를 대신 관리

5%

소스에서 빌드

4%

클라우드 제공업체를 통한 자동 업그레이드

왜 최신 버전으로 업데이트하지 않았나요?100%+

53%

현재 사용 중인 버전으로도 모든 요구 사항이 충족됨

27%

내 프로젝트가 최신 Python 버전과 호환되지 않음

25%

업데이트할 시간이 없음

17%

최신 Python 버전의 안정성이 우려됨

12%

회사 정책에 따라 특정 Python 버전만 사용해야 함

6%

최신 Python 버전이 출시된 사실을 몰랐음

5%

본인에게 Python 버전을 업데이트할 권한이 없음

9%

기타

프레임워크 및 라이브러리

웹 프레임워크100%+

퍼센트 값은 각 열 내에서 계산됩니다.

2021년202220232024
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%기타
29%27%23%19%없음
041%

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

웹 프레임워크100%+

41%

56%

FastAPI

37%

39%

Flask

33%

42%

Requests

28%

61%

Django

22%

33%

Asyncio

22%

7%

Streamlit

13%

44%

Django REST Framework

웹 프레임워크 교차 사용100%+

퍼센트 값은 각 열 내에서 계산됩니다.

AsyncioDjangoDjango REST FrameworkFastAPIRequestsStarletteStreamlitaiohttphttpx
–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%기타
093%
William Vincent
JetBrains 개발자 애드버킷

FastAPI와 같은 비동기 기반 웹 프레임워크는 Django와 같은 선택적 비동기 웹 프레임워크보다 httpx와 같은 비동기 라이브러리와 함께 사용하는 비율이 더 높습니다.

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

기타 프레임워크 및 라이브러리100%+

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

유닛 테스트 프레임워크100%+

53%

pytest

23%

unittest

11%

mock

6%

doctest

5%

tox

4%

Hypothesis

2%

nose

2%

기타

36%

없음

Hugo van Kemenade
PSF 펠로우, Python 오픈 소스 유지 관리자, CPython 핵심 개발자, PEP 편집자

표준 테스트 라이브러리 사용자에게 좋은 소식이 있습니다. Python 3.13에서는 doctest 출력에 색상을 추가했고, Python 3.14에서는 unittest에 색상을 추가할 예정입니다.

사용 중인 에디터/IDE에서 어떤 프레임워크의 지원이 풍부했으면 하시나요?100%+

34%

FastAPI

31%

Django

29%

pytest

25%

Flask

21%

Pydantic

20%

Requests

19%

Django REST Framework

17%

Asyncio

17%

OpenCV-Python

17%

BeautifulSoup

PyCharm

PyCharm은 Django, FastAPI, Flask 지원을 포함하여 백엔드 개발에 대한 광범위한 지원을 제공합니다.

PyCharm을 이용한 웹 개발에 대해 자세히 알아보기

클라우드 플랫폼

클라우드 플랫폼 사용100%+

2023년에는 새로운 옵션이 추가되어 목록이 확장되었습니다.

0%

45%

2021년202220232024

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

클라우드에서 코드를 어떻게 실행하시나요?100%+

53%

컨테이너 내에서

44%

가상머신에서

28%

서버리스

20%

PaaS(Platform-as-a-Service)에서

2%

기타

7%

없음

44%

설문조사에 참여한 개발자 중 컨테이너에서 코드를 실행하는 데 Kubernetes를 사용하는 비율입니다.

다음 중 어떤 것을 사용하시나요?100%+

51%

Amazon Elastic Kubernetes Service

31%

Google Kubernetes Engine

25%

Azure Kubernetes Service

11%

RedHat OpenShift

15%

기타

클라우드용으로 어떻게 개발하시나요?100%+

49%

51%

virtualenv를 사용하여 로컬에서

38%

44%

Docker 컨테이너에서

23%

23%

가상머신에서

20%

19%

로컬 시스템 인터프리터를 사용하여

16%

16%

원격 개발 환경에서

14%

15%

WSL 사용

10%

9%

프로덕션 환경에서 바로

2%

2%

기타

데이터 과학

51%

전체 설문 응답자의 51%가 데이터 탐색과 처리를 진행하고 있으며, 주로 사용되는 도구로는 pandas와 NumPy가 있습니다.

데이터 탐색 및 처리에 사용하는 도구

80%

pandas

75%

NumPy

16%

Spark

15%

Polars

15%

Airflow

8%

사내 솔루션

7%

Dask

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

데이터 버전 관리에 사용하는 도구

14%

사내 솔루션

7%

Delta lake

7%

DVC

4%

Pachyderm

3%

기타

69%

없음

30%

설문에 응답한 Python 사용자 중 30%가 대시보드 제작 작업을 수행하며, 이 작업에 주로 사용하는 도구는 Streamlit과 Plotly Dash입니다.

대시보드 생성에 사용하는 라이브러리100%+

33%

Streamlit

28%

Plotly Dash

14%

TensorBoard

11%

Gradio

10%

Panel

4%

Voila

12%

기타

28%

없음

Cheuk Ting Ho
PSF 이사, JetBrains 개발자 애드버킷

사용자 친화적이고 웹 개발 지식이 많이 필요 없다는 점 때문에 Streamlit의 인기가 증가하고 있습니다.

BI 솔루션100%+

21%

PowerBI

17%

잘 모르겠음

11%

Tableau

4%

Looker

4%

Metabase

2%

QlikView

9%

기타

47%

없음

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

38%

응답자 중 38%가 ML 모델을 사용하여 트레이닝하거나 예측을 생성하며, 이는 작년 대비 6% 증가한 수치입니다. 이 중 3분의 2 이상은 scikit-learn 및 PyTorch를 사용합니다.

ML 모델 트레이닝 및 예측에 사용하는 프레임워크100%+

67%

68%

SciKit-Learn

60%

66%

PyTorch

48%

49%

TensorFlow

44%

42%

SciPy

30%

30%

Keras

22%

28%

Hugging Face Transformers

22%

23%

XGBoost

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

Hugging Face Transformers는 Llama와 같은 공개 라이선스 대형 언어 모델 작업에 가장 인기가 많은 라이브러리입니다. Hugging Face Diffusers는 Stable Diffusion과 같은 모델이 이미지와 동영상 생성에 사용하는 확산 모델을 위한 주요 라이브러리입니다. Transformers와 Diffusers 모두 PyTorch와 긴밀하게 통합되어 있습니다.

Cheuk Ting Ho
PSF 이사, JetBrains 개발자 애드버킷

PyTorch는 이제 Linux Foundation에서 관리하며 올해 인기가 더욱 높아질 것으로 보입니다.

머신러닝 모델 트레이닝 또는 예측 교차 사용을 위한 프레임워크100%+

퍼센트 값은 각 열 내에서 계산됩니다.

Hugging Face DiffusersHugging Face TransformersKerasNLTKPyTorchPyTorch LightningSciKit-LearnSciPyTensorFlowXGBoostspaCy
–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
094%

실험적 추적 도구100%+

24%

TensorBoard

22%

MLFlow

13%

Weights & Biases

12%

사내 솔루션

3%

NeptuneML

3%

CometML

2%

기타

45%

없음

TensorBoard.dev는 지원 중단되었지만 TensorBoard는 여전히 실험 추적을 위한 최고 선택지로 남아 있습니다. 주요 머신러닝 프레임워크와 긴밀하게 통합되고 시각화가 풍부하며 유연한 로컬 설정이 유연하여 개발자와 연구자 중에서 널리 사용됩니다.

트레이닝용 플랫폼100%+

50%

Jupyter Notebook

19%

사내 솔루션

11%

Amazon Sagemaker

9%

SSH를 사용한 클라우드 VM

9%

AzureML

6%

Databricks

6%

VertexAI

21%

설문에 응답한 Python 개발자 중 ML 배포 및 추론 작업을 수행하는 개발자의 비율입니다. 흥미롭게도 이 작업에서 가장 인기 있는 도구는 사내 솔루션입니다.

배포 및 추론을 위한 플랫폼100%+

26%

사내 솔루션

24%

Hugging Face

19%

Amazon Sagemaker

16%

MLFlow

14%

AzureML

9%

Databricks

9%

VertexAI

7%

Nvidia Triton

6%

Kubeflow

본인이나 회사에서 클라우드 기반 ML 워크로드를 위한 도구/플랫폼을 사용하고 있나요?

클라우드 기반 ML 워크로드를 위한 도구나 플랫폼을 선택하는 데 컴퓨팅 비용이 어떤 영향을 미치나요?

46%

비용이 중요하기는 하지만 성능 및 기능과 균형을 맞추려고 함

33%

비용은 가장 중요한 요소로, 항상 비용을 최소화하려고 노력함

12%

비용보다 사용 편의성 및 통합과 같은 다른 요소가 더 중요

8%

비용은 별로 고려하지 않음

클라우드 기반 ML 컴퓨팅 리소스에 책정된 월 예산은 보통 얼마인가요?

27%

미화 1,000달러 미만

17%

미화 1,000~5,000달러

8%

미화 5,000~10,000달러

5%

미화 10,000~25,000달러

7%

USD 25,000 초과

37%

잘 모르겠음

16%

응답자 중 16%는 빅데이터 작업을 하며, 대부분은 클라우드 솔루션을 선호합니다. 빅데이터 도구 중 PySpark가 가장 인기 있으며, 응답자의 40%가 사용하고 있습니다.

빅데이터 도구100%+

36%

40%

PySpark

8%

7%

Great Expectations

6%

6%

PyFlink

3%

4%

PyDeequ

5%

4%

기타

50%

49%

없음

빅데이터 작업에 사용하는 솔루션100%+

34%

클라우드

28%

자체 호스팅

25%

모두

13%

없음

개발 도구

운영 체제100%+

59%

Linux

58%

Windows

27%

macOS

2%

BSD

1%

기타

코딩 및 기타 개발 관련 작업에 사용하거나 시도해 본 AI 도구100%+

82%

ChatGPT

39%

GitHub Copilot

23%

Google Gemini

17%

Anthropic Claude

13%

Visual Studio IntelliCode

12%

Microsoft 365 Copilot

12%

VS Code의 CodeGPT 플러그인

9%

JetBrains AI Assistant

8%

Code Llama

7%

Codeium

7%

Tabnine

ORM100%+

41%

59%

SQLAlchemy

15%

56%

Django ORM

12%

14%

Raw SQL

10%

14%

SQLModel

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

데이터 과학자가 데이터베이스 개발에 참여하는 비율이 작년 대비 4% 증가했습니다.

LLM 애플리케이션에서 벡터 데이터베이스의 사용이 늘어나서 변화한 것일까요?

ORM100%+

34%

39%

SQLAlchemy

25%

26%

Django ORM

13%

12%

Raw SQL

7%

10%

SQLModel

데이터베이스100%+

43%

49%

PostgreSQL

34%

37%

SQLite

30%

31%

MySQL

17%

18%

Redis

17%

19%

MongoDB

10%

11%

MariaDB

10%

12%

MS SQL Server

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

PostgreSQL은 출시된 지 28년이 되었고 시장 점유율이 계속 올라가고 있으며 탁월하게 유지 관리되는 오픈 소스 프로젝트입니다!

지속적 통합(CI) 시스템100%+

35%

GitHub Actions

22%

Gitlab CI

12%

Jenkins/Hudson

8%

Azure DevOps

5%

AWS CodePipeline / AWS CodeStar

비율이 2% 미만인 모든 답변은 '기타'로 분류했습니다.

Python 개발자의 2/3은 정기적으로 지속적 통합 시스템을 사용하고 있습니다.

GitHub Actions가 선두를 차지하며 그 뒤를 GitLab CI/CD와 Jenkins/Hudson이 따르고 있습니다.

구성 관리 도구100%+

15%

Ansible

8%

맞춤형 솔루션

4%

Puppet

2%

Chef

2%

Salt

3%

기타

71%

없음

문서 도구100%+

43%

44%

Markdown

25%

29%

Swagger

16%

15%

Sphinx

14%

15%

Postman

13%

11%

Wiki

하나의 Python 파일로 보통 어떻게 작업하시나요?100%+

58%

IDE에서 해당 파일이 포함된 전체 프로젝트 열기

13%

명령줄 에디터를 사용합니다

13%

IDE에서 해당 파일 하나만 열기

11%

경량 텍스트 에디터를 사용합니다

2%

기타

4%

일반적으로 Python 파일을 하나씩 열거나 편집할 필요가 없음

기본 IDE/에디터

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

48%

Visual Studio Code

25%

PyCharm

4%

Neovim

4%

Jupyter Notebook

3%

Vim

1%

Python Tools for Visual Studio

14%

기타

3%

없음

비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.

데이터 과학 대 웹 개발

44%

46%

Visual Studio Code

27%

37%

PyCharm

7%

0%

Jupyter Notebook

2%

0%

Spyder

VS Code 사용자 중 11%는 Data Wrangler 확장 프로그램을 사용하고 있으며, 53%는 IDE의 Jupyter 지원을 활용하고 있습니다.

PyCharm

비교하면, Jupyter 지원은 IntelliJ IDEA 사용자 중 33%와 PyCharm 사용자 중 37%가 사용하고 있습니다.

Jupyter Notebook 지원 및 기타 PyCharm의 데이터 전문가용 기능에 대해 자세히 알아보세요.

80%

설문에 응답한 Python 개발자 중 80%는 주 IDE 또는 에디터와 함께 추가 도구를 사용하며, 42%는 동시에 세 개 이상의 도구를 사용합니다.

기본 IDE/에디터 외에 사용하는 IDE/에디터100%+

22%

Visual Studio Code

21%

Jupyter Notebook

19%

PyCharm

16%

Vim

13%

NotePad++

12%

JupyterLab

8%

Sublime Text

8%

Nano

6%

Neovim

6%

IDLE

비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.

사용하는 IDE/에디터 수

20%

1

38%

2

22%

3

20%

>3

Python 패키징

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

55%

62%

venv

28%

25%

virtualenv

20%

19%

Conda

18%

18%

Poetry

9%

8%

Pipenv

–

11%

uv

Charlie Marsh
Astral 설립자 겸 Ruff 및 uv 제작자

Rust를 이용하면 특히 패키지 관리 분야에서 Python을 위한 고성능 도구를 구축할 수 있습니다. 올해는 이러한 인프라가 영향을 끼치고 급속히 채택되는 모습이 확인되어 정말 인상적이었습니다.

Dmitry Ustalov
JetBrains의 AI 평가 부문 팀장

uv, Ruff, Polars와 같은 Rust로 구현된 탁월한 차세대 Python 도구가 등장하고 있습니다. 이는 현재 Python에서 가장 눈에 띄는 추세 중 하나입니다.

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

uv가 출시 1년 차(2024년 2월 최초 출시)에 11%에 도달한 것은 주목할 만한 성과입니다.

Vladimir Sotnikov
JetBrains 컴퓨터 아트 이니셔트 부문 개발 책임자

최근에 취미 프로젝트를 위해 uv를 사용하기 시작했는데 정말 만족스럽습니다!

LinkedIn, Google Scholar

PyCharm

PyCharm에는 uv가 통합되어 있으므로 새 환경을 처음부터 생성하거나 기존 환경에 uv를 적용할 수 있습니다.

종속성을 관리하기 위해 어떤 도구를 사용하시나요?100%+

77%

74%

pip

19%

20%

Poetry

19%

18%

Conda

–

12%

uv

9%

8%

Pipenv

9%

9%

pip-tools

Seth Larson
PSF 상주 보안 개발자, PSF 펠로우

종속성을 체크섬 및 버전에 묶을 수 있는 종속성 관리 도구가 채택되는 것을 보니 공급망 보안 관점에서 정말 좋습니다. Python의 모든 애플리케이션은 pip-tools, Poetry, uv와 같은 도구 중 하나를 사용해야 합니다.

애플리케이션 종속 요소 정보가 어떤 형식으로 저장되나요?100%+

63%

59%

requirements.txt

32%

36%

pyproject.toml

17%

16%

setup.py

11%

12%

종속성 정보를 저장하지 않음

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

pyproject.toml PEP 621은 2020년 11월에 승인되었습니다. Python 패키징을 위한 이 현대적 표준이 지속적으로 채택되는 것을 확인하니 참 좋습니다.

simonwillison.net, GitHub, LinkedIn, Mastodon, Bluesky

패키지는 어디에서 받아 설치하시나요?100

80%

75%

PyPI

28%

29%

GitHub

16%

16%

Anaconda

14%

14%

로컬 소스

10%

10%

비공개 Python Package Index

10%

11%

Linux 배포 이용

10%

11%

PyPI의 내부 미러

Charlie Marsh
Astral 설립자 겸 Ruff 및 uv 제작자

사용자 중 한 사람으로서 PyPI의 속도와 안정성에 계속 감동받고 있습니다. PyPI는 전체 Python 에코시스템의 기본 인프라로, PyPI 팀은 에코시스템이 원활하게 돌아가도록 하는 데 탁월한 기여를 하고 있습니다.

Cheuk Ting Ho
PSF 이사, JetBrains 개발자 애드버킷

대부분의 개발자가 PyPI에서 패키지를 설치한다는 점에서 PyPI의 중요성이 드러납니다. PSF는 PyPI의 보안을 유지 관리하는 데 집중하고 있으며, 커뮤니티도 이 노력에 동참해야 합니다.

패키지는 어디에서 받아 설치하시나요?100

73%

83%

PyPI

29%

25%

GitHub

27%

6%

Anaconda

15%

10%

로컬 소스

13%

11%

PyPI의 내부 미러

11%

12%

비공개 Python Package Index

10%

2%

기타 Conda 채널

Cheuk Ting Ho
PSF 이사, JetBrains 개발자 애드버킷

Anaconda와 Conda는 안정적인 크로스 플랫폼 환경과 데이터 과학 프로젝트를 위한 즉시 사용할 수 있는 도구를 제공하므로 여전히 데이터 과학자들에게 인기 있는 선택지입니다.

26%

자신이 개발한 Python 애플리케이션을 패키지로 만들어 패키지 저장소에 게시했다고 답한 응답자의 비율입니다.

Python 라이브러리 패키지를 만드는 데 어떤 도구를 사용하시나요?100

44%

Twine

31%

PyPI Publish GitHub Action

29%

Poetry

10%

Hatch

5%

Flit

5%

PDM

8%

기타

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

제 수많은 프로젝트에서 PyPI Publish GitHub Action을 사용합니다. PyPI Publish GitHub Action은 PyPI로 패키지를 전달하는 매우 효율적인 방법으로, 2024년 11월부터 최종 사용자의 변경 없이 디지털 확인을 자동으로 처리합니다.

simonwillison.net, GitHub, LinkedIn, Mastodon, Bluesky

Trusted Publishers에 얼마나 익숙하신가요?

51%

들어본 적이 없음

33%

대충 알고 있음

4%

사용해 봤으나 지금은 아님

12%

현재 사용 중임

Simon Willison
PSF 이사, Django 공동 제작자, Datasette 설립자

Trusted Publishing을 사용하면 CI 시스템에 비밀번호나 인증 토큰을 복사하지 않아도 PyPI 패키지를 안전하게 게시할 수 있습니다. PyPI Publish GitHub Action 덕에 사용하기도 매우 쉽습니다.

Charlie Marsh
Astral 설립자 겸 Ruff 및 uv 제작자

Trusted Publishing은 잘 알려지지 않았지만 지난 해 등장한 패키징 에코시스템의 위대한 혁신 중 하나입니다.

30%

설문에 응답한 Python 개발자 중 여러 패키지 또는 서비스가 저장되어 있는 단일 저장소(각각 독립적으로 종속성 관리)를 사용하여 작업하는 비율입니다.

컨테이너에서 가상 환경을 사용하시나요?

35%

예

42%

아니요

1%

기타

21%

Python 개발에 컨테이너를 사용하지 않음

17%

응답자 중 다른 언어(주로 C++, C 및 Rust)로 Python 바이너리 모듈을 빌드하는 비율입니다.흥미롭게도 Rust는 작년 대비 6% 증가했습니다.

Python용 바이너리 모듈을 빌드하는 데 사용하는 언어100%+

55%

54%

C++

44%

45%

C

27%

33%

Rust

9%

10%

Go

Seth Larson
PSF 상주 보안 개발자, PSF 펠로우

Python과 함께 Rust, Go, C#와 같은 메모리 안전 언어가 계속 채택되고 있는 것을 보니 정말 좋습니다. 이러한 추세의 상당한 이유는 PyO3, maturin과 같은 높은 품질의 커뮤니티 기반 프로젝트 덕분입니다. 이러한 프로젝트의 기여자들에게 찬사를 보냅니다.

Cheuk Ting Ho
PSF 이사, JetBrains 개발자 애드버킷

Python과 Rust는 상호 보완적입니다. Python은 고급 언어이면서 빠르게 코딩할 수 있는 반면, Rust는 컴파일링되어 실행이 빠릅니다. PyO3에는 두 언어가 결합되어 있기 때문에 개발자들이 두 언어의 최고 이점을 이용할 수 있습니다.

인구통계

성별

이 질문은 선택 사항이었습니다.

연령대(만 나이)

9%

18~20세

38%

21~29세

27%

30~39세

15%

40~49세

7%

50~59세

3%

60세 이상

Cheuk Ting Ho
PSF 이사, JetBrains 개발자 애드버킷

커뮤니티가 다양성과 포용성을 넓히기 위해 노력하고 있지만, 여전히 프로그래머 대다수가 남성으로 나타납니다. 다양성과 포용성은 계속 추진해야 할 이니셔티브입니다.

어느 국가 또는 지역에 살고 계시나요?

14%

미국

11%

인도

6%

독일

4%

영국

4%

브라질

4%

프랑스

3%

중국 본토

비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.

Marie Nordin
PSF 커뮤니티 커뮤니케이션 관리자

미국 응답자의 비율이 여전히 가장 높지만, 2024년 설문조사에서 더 다양한 응답자를 확보하려고 한 노력이 결실을 맺은 것 같아 기쁩니다!

팀 작업 대 개인 작업

프로젝트 작업

고용 상태

59%

회사/조직의 정규직

4%

회사/조직의 계약직

6%

자영업

6%

프리랜서

6%

아르바이트생

12%

학생

4%

현재 무직

1%

은퇴함

1%

기타

직책100%+

66%

개발자/프로그래머

16%

팀장

16%

데이터 엔지니어

15%

데이터 과학자

15%

아키텍쳐 전문가

13%

데이터 분석가

12%

ML 엔지니어/MLOps

기업 규모

7%

혼자 일 함

12%

2~10명

17%

11~50명

24%

51~500명

7%

501~1,000명

10%

1,001~5,000명

18%

5,000명 초과

4%

모르겠음

팀 규모

70%

2~7명

19%

8~12명

6%

13~20명

3%

21~40명

2%

40명 초과

기업 업종

41%

IT/소프트웨어 개발

7%

과학

6%

교육/트레이닝

5%

회계/재무/보험

4%

제조

4%

제약/의료

3%

금융/부동산/모기지 금융

비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.

방법론 및 원시 데이터

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

이 데이터를 분석하기 전에 다음 중요한 정보에 유념하세요.

데이터 세트에는 공식 Python Software Foundation 채널의 응답만 포함됩니다. 2024년 10월부터 11월까지 수집한 응답 중 중복되거나 신뢰할 수 없는 응답을 제외한 25,000개 이상의 응답이 포함되어 있습니다. 설문조사는 python.org와 PSF 블로그, 공식 Python 메일링 리스트 및 Python 관련 하위 레딧을 비롯해 PSF의 X 및 LinkedIn 계정을 통해 홍보되었습니다. 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
  • 만 17세 이하인 경우
  • 설문조사 세 번째 페이지인 "전문적인 코딩 경력은 몇 년인가요?"라는 질문에 응답하지 않은 경우
  • 만 21세 미만이면서 11년 이상의 전문 코딩 경험이 있는 경우
  • 다중 선택 질문에 대한 단일 답변이 너무 많음('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 언어가 사용됨
  • 9개 이상의 직무 역할을 선택
  • "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).
설문조사 원시 데이터 다운로드

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

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

2023년, 2022년, 2021년, 2020년, 2019년, 2018년, 2017년의 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 공유해 보세요!

JetBrains Tech Insights Lab에 참여하세요

설문조사와 UX 연구에 참여하여 JetBrains 제품을 더욱 사용하기 쉽고 강력하게 만들어보세요. 연구에 참여하면 상품을 받을 수 있는 기회도 주어집니다.

가입