JetBrains logo

Resultados da Pesquisa de 2023 para desenvolvedores Python

Esta é a sétima pesquisa anual oficial para desenvolvedores Python, realizada como um esforço colaborativo entre a Python Software Foundation e a JetBrains.

As respostas foram coletadas de novembro de 2023 a fevereiro de 2024, com mais de 25 mil desenvolvedores e entusiastas do Python de quase 200 países e regiões participando para iluminar o estado atual da linguagem e do ecossistema em torno dela.

Confira os resultados da Pesquisa de Desenvolvedores Python de 2022, 2021, 2020, 2019 e 2018.

Compartilhar:

Uso geral do Python

Python como linguagem principal vs. secundária

85%

Principal

15%

Secundária

Uso do Python com outras linguagens100+

202120222023
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%Outros
13%14%17%Nenhuma opção
040%

No momento, há um interesse crescente em Go e Rust para criar aplicativos de baixa latência e seguros quanto à memória.

Uso do Python com outras linguagens100+

35%

38%

JavaScript

33%

31%

HTML/CSS

32%

26%

SQL

29%

25%

Bash/Shell

23%

35%

C/C++

Paul Everitt
Líder de equipe em Web e Data Advocacy na JetBrains

"Talvez a queda em HTML/CSS/JS esteja mostrando que a ciência de dados está aumentando sua parcela de Python."

LinkedIn, Mastodon, X (antigo Twitter)

Linguagens para a Web e Ciência de Dados100+

40%

44%

SQL

30%

36%

Bash/Shell

30%

62%

JavaScript

28%

53%

HTML/CSS

25%

14%

C/C++

19%

15%

Java

12%

27%

TypeScript

Desenvolvimento Web refere-se a pessoas que selecionaram "Desenvolvimento Web" em resposta à pergunta "Para o que você mais usa o Python?". Os dados referem-se a pessoas que selecionaram "Análise de dados" ou "Machine learning" na mesma pergunta.

Há quanto tempo você programa em Python?

25%

Menos de 1 ano

16%

1 a 2 anos

26%

3 a 5 anos

19%

6 a 10 anos

13%

Mais de 11 anos

Quantos anos de experiência profissional em programação você tem?

33%

Menos de 1 ano

16%

1 a 2 anos

18%

3 a 5 anos

15%

6 a 10 anos

18%

Mais de 11 anos

Sarah Boyce
Django Fellow

"O Python é recomendado regularmente como uma boa linguagem de programação para iniciantes, devido à sua sintaxe legível, amplas aplicações (da ciência de dados ao desenvolvimento para a Web) e grande comunidade."

Mastodon, LinkedIn

37%

dos desenvolvedores Python relataram terem colaborado em projetos de código aberto no último ano.

Marie Nordin
Gerente de Comunicações com a Comunidade na Python Software Foundation

"Este número é ótimo de se ver e um resultado encorajador para uma primeira inclusão na pesquisa. Estou ansiosa para ver como essa tendência irá evoluir ano após ano."

X (antigo Twitter)

Como você descreveria as suas colaborações com projetos de código aberto no último ano?100+

77%

Programe

38%

Documentação / Exemplos / Educacional

35%

Manutenção / Governança / Liderança

33%

Testes

19%

Triagem de issues ou solicitações de recursos

13%

Construção e atendimento à comunidade

2%

Outros

34%

dos desenvolvedores Python relatam praticarem desenvolvimento colaborativo.

Tipicamente, onde você fica sabendo sobre novas ferramentas e tecnologias relevantes ao seu desenvolvimento em Python?100+

55%

Documentação e APIs

45%

YouTube

44%

Python.org

42%

Stack Overflow

41%

Blogs

28%

Livros

19%

Ferramentas de IA

14%

Escolas on-line e cursos on-line abertos e massivos (MOOCs) de programação

14%

Congressos / eventos

13%

Podcasts

Finalidades para o uso do Python

Nesta seção, fizemos perguntas para descobrir para que as pessoas usam o Python, em que tipos de desenvolvimento elas estão envolvidas e como combinam seus vários usos.

Para quais propósitos você usa principalmente o Python?

51%

Tanto para o trabalho quanto para projetos pessoais

28%

Para projetos pessoais, educacionais ou paralelos

21%

Para o trabalho

Uso do Python por ano100+

202120222023
51%51%44%Análise de dados
45%43%42%Desenvolvimento Web
36%36%34%Machine learning
27%Engenharia de dados
36%34%26%DevOps / administração de sistemas / programação de scripts de automação
31%30%25%Programação de web parsers/scrapers/crawlers
25%Pesquisa acadêmica
26%25%23%Testes de software/Criação de testes automatizados
27%27%22%Fins educacionais
21%Design / visualização de dados
22%20%19%Prototipagem de software
19%19%15%Desenvolvimento para desktop
18%17%14%Programação de rede
12%13%10%Computação gráfica
10%9%10%Desenvolvimento de jogos
8%MLOps
5%6%7%Desenvolvimento de aplicações multimídia
7%8%7%Desenvolvimento embarcado
6%6%6%Desenvolvimento móvel
7%6%6%Outros
051%

Observe que em 2023, a lista foi ampliada com novas opções.

Uso do Python como linguagem principal e secundária100+

44%

40%

Análise de dados

44%

33%

Desenvolvimento Web

34%

29%

Machine learning

28%

20%

Engenharia de dados

26%

21%

Pesquisa acadêmica

26%

26%

DevOps / administração de sistemas / programação de scripts de automação

25%

23%

Programação de web parsers/scrapers/crawlers

Para o que você mais usa o Python?

21%

Desenvolvimento Web

10%

Machine learning

10%

Análise de dados

9%

Pesquisa acadêmica

9%

Fins educacionais

7%

DevOps / administração de sistemas / programação de scripts de automação

6%

Engenharia de dados

Até que ponto você está envolvido nas seguintes atividades?

Desenvolvimento Web

Análise de dados

Machine learning

Engenharia de dados

Pesquisa acadêmica

DevOps / administração de sistemas / programação de scripts de automação

Fins educacionais

Testes de software/Criação de testes automatizados

Prototipagem de software

Design / visualização de dados

Programação de web parsers/scrapers/crawlers

Desenvolvimento para desktop

Programação de rede

Versões do Python

Python 3 vs. Python 2

2023

2022

2021

2020

2019

2018

2017

Quase metade dos que resistem no Python 2 têm menos de 21 anos e um terço deles é de estudantes. Será que os cursos ainda estão usando o Python 2?

Versões do Python 3100+

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 ou inferior
045%

Observação: em 2023, o Python 3.7 e versões anteriores estavam no final do seu ciclo de vida. O Python 3.12 foi lançado em outubro de 2023 (um mês antes de esta pesquisa começar) e já é amplamente adotado. Os desenvolvedores que usavam o Python 3.13 nesta pesquisa estavam usando uma versão alfa.

Quase 75% dos usuários utilizam as últimas 3 versões do Python. Isso é uma ótima notícia! A comunidade vem adotando as últimas versões do Python bem rapidamente, por causa das melhorias de desempenho e conveniência que elas oferecem.

Instalação e upgrade do Python100+

31%

Python.org

24%

Ferramenta de gerenciamento de pacotes em todo o sistema operacional

17%

pyenv

16%

Contêineres do Docker

14%

Anaconda

5%

Compilação do código fonte

4%

Upgrade automático via provedor de nuvem

Observação: o Enthought obteve menos de 0,5% e foi combinado com a categoria "Outros".

Frameworks e bibliotecas

Frameworks da Web100+

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%

Outros

23%

Nenhuma opção

Observe que em 2023, a lista foi ampliada com novas opções.

Frameworks da Web100+

36%

42%

Flask

31%

46%

FastAPI

31%

40%

Requests

26%

63%

Django

18%

29%

Asyncio

16%

4%

Streamlit

12%

43%

Django REST Framework

Frameworks de Web são amplamente usados, inclusive por 77% dos cientistas de dados e 97% dos desenvolvedores de Web.

Vladimir Sotnikov
Líder de Desenvolvimento na JetBrains Computational Arts Initiative

"Embora seja menos provável que desenvolvedores de aprendizado de máquina usem o Django, que é um framework mais usado no desenvolvimento completo de aplicativos para a Web, o engajamento desses desenvolvedores com o Flask e o FastAPI, ambos adequados para criar APIs RESTful, é quase tão grande quanto o dos desenvolvedores para a Web. Isso sugere que os profissionais de aprendizado de máquina estão ativamente envolvidos no desenvolvimento para a Web, mas primariamente através de serviços voltados para APIs, em vez da tradicional criação de Web sites."

LinkedIn, Google Scholar

Você pode saber mais sobre o panorama do Django na Pesquisa de Desenvolvedores Django de 2023, realizada em parceria com a Django Software Foundation.

Outros frameworks e bibliotecas100+

31%

BeautifulSoup

28%

Pillow

22%

OpenCV-Python

22%

Pydantic

17%

Tkinter

12%

PyQT

11%

Scrapy

Frameworks de teste de unidade100+

52%

pytest

25%

unittest

11%

mock

9%

doctest

5%

tox

5%

Hypothesis

2%

nose

Plataformas de nuvem

Uso de plataformas de nuvem100+

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%Outros
39%34%33%Nenhuma opção
<1%39%

Observe que em 2023, a lista foi ampliada com novas opções.

Mukul Mantosh
Developer Advocate em Web e Data Advocacy na JetBrains

"Depois que o Azure introduziu seu serviço OpenAI, AWS e Google se mexeram rapidamente para lançarem o Bedrock e o Gemini."

LinkedIn, X (o antigo Twitter)

Sarah Boyce
Django Fellow

"A Google Cloud Platform está ganhando popularidade, especialmente nos EUA, onde é usada por 38% dos que responderam e ganha do AWS como o provedor de nuvem nº 1.

Depois que a Heroku eliminou seus planos de produtos gratuitos, sua parcela de usuários caiu de 14% em 2021 para apenas 7% em 2023.”

Mastodon, LinkedIn

Jay Miller
Developer Advocate de Pessoal na Aiven

"Sinto que grandes decisões de negócios a respeito de preços e aquisições tiveram uma certa influência sobre onde as coisas foram implantadas.

A decisão da Heroku sobre seus preços parece ter lhe dado um grande golpe, mas não houve um ganhador claro (talvez com a exceção do PythonAnywhere) se beneficiando dessa perda."

LinkedIn, Kjaymiller

Como você executa o código na nuvem?100+

47%

Dentro de containers

42%

Em máquinas virtuais

25%

Serverless

26%

Em uma plataforma como serviço

2%

Outros

8%

Nenhuma opção

Mukul Mantosh
Developer Advocate em Web e Data Advocacy na JetBrains

"Com base na pesquisa da CNCF de 2022, aproximadamente 44% dos usuários fizeram a transição da maior parte da sua carga de produção para containers, com outros 9% ainda na fase de avaliação."

LinkedIn, X (o antigo Twitter)

45%

dos Pythonistas dizem usar o Kubernetes para executarem código em containers.

Quais dos seguintes serviços você usa?100+

49%

Amazon Elastic Kubernetes Service

33%

Google Kubernetes Engine

21%

Azure Kubernetes Service

10%

RedHat OpenShift

16%

Outros

Mukul Mantosh
Developer Advocate em Web e Data Advocacy na JetBrains

"Predominantemente, confio no Amazon EKS para gerenciar cargas de trabalho de containers, pois ele oferece integração transparente com os AWS Services. Além disso, explorei o Google Kubernetes Engine (GKE), que oferece uma experiência comparável. Porém, achei o GKE Autopilot especialmente atraente, pois ele se encarrega da configuração dos clusters, gerenciamento de nós, escalonamento, segurança e outras configurações predefinidas — tudo gerenciado pelo Google."

LinkedIn, X (o antigo Twitter)

Como você desenvolve para a nuvem?100+

49%

Localmente com o virtualenv

38%

Em containers do Docker

23%

Em máquinas virtuais

20%

Com um interpretador de sistema local

16%

Em ambientes de desenvolvimento remoto

14%

Usando WSL

10%

Diretamente no ambiente de produção

2%

Outros

Mukul Mantosh
Developer Advocate em Web e Data Advocacy na JetBrains

"Aprecio a conveniência oferecida pelo AWS Toolkit e pelo Cloud Code Plugin para criar sem esforço aplicativos sem servidor. Além disso, frameworks como o LocalStack permitem que você execute os seus aplicativos ou lambdas do AWS totalmente na sua máquina local, eliminando a necessidade de conexão a um provedor remoto de nuvem."

LinkedIn, X (o antigo Twitter)

Ciência de Dados

48%

de todos os desenvolvedores Python na pesquisa estão envolvidos em exploração e processamento de dados.

Ferramentas para exploração e processamento de dados

77%

pandas

72%

NumPy

16%

Spark

14%

Airflow

10%

Polars

9%

Uma solução interna

7%

Dask

Jodie Burchell
Developer Advocate em Data Science Advocacy na JetBrains

"Embora o pandas continue sendo a principal ferramenta de trabalho para tarefas de exploração e processamento de dados, há uma minoria que também está usando bibliotecas de processamento distribuído de dados, como Spark, Dask e Ray, sugerindo que estão trabalhando com big data. O Polars continua ganhando popularidade como uma forma de lidar com conjuntos maiores de dados sem sair da máquina local."

LinkedIn, X (o antigo Twitter), Mastodon, Blog

Bibliotecas para a criação de dashboards100+

31%

Plotly Dash

28%

Streamlit

12%

Panel

12%

Gradio

4%

Voilà

13%

Outros

26%

Nenhuma opção

25% dos que responderam disseram trabalhar com a criação de dashboards. O Plotly Dash e o Streamlit são as duas primeiras escolhas para essas tarefas.

32%

de todos os desenvolvedores Python relatam treinar modelos de aprendizado de máquina ou gerar previsões com eles. O scikit-learn e o PyTorch são as duas principais soluções usadas nessas tarefas.

Frameworks para treinamento de modelos e para fazer previsões com aprendizado de máquina
100+

67%

scikit-learn

60%

PyTorch

48%

TensorFlow

44%

SciPy

30%

Keras

22%

Hugging Face Transformers

22%

XGBoost

Plataformas de treinamento100+

52%

Jupyter Notebook

11%

Amazon Sagemaker

10%

Máquinas virtuais na nuvem com SSH

9%

AzureML

6%

Databricks

Jodie Burchell
Developer Advocate em Data Science Advocacy na JetBrains

"O fato de que a maioria das pessoas que trabalham com aprendizado de máquina está usando o scikit-learn e o SciPy mostra a força do papel que o aprendizado de máquina clássico e a Estatística ainda desempenham na ciência de dados. Porém, ainda são populares bibliotecas de aprendizado profundo, como PyTorch, Tensorflow, Keras e Hugging Face Transformers, potencialmente refletindo o interesse recente em IA gerativa e grandes modelos de linguagem."

LinkedIn, X (o antigo Twitter), Mastodon, Blog

Ferramentas de acompanhamento de experimentos100+

26%

TensorBoard

19%

MLflow

12%

Weights & Biases

4%

CometML

4%

NeptuneML

2%

Outros

12%

Uma solução interna

44%

Nenhuma opção

O Google tornou obsoleto o TensorBoard.dev (um serviço para publicar dados do TensorBoard com um só clique) em 1º de janeiro de 2024. Podemos esperar que outras opções se tornem mais populares em 2024.

Ferramentas para versionamento de dados100+

14%

Uma solução interna

7%

Dalta Lake

7%

DVC

4%

Pachyderm

3%

Outros

69%

Nenhuma opção

18%

de todos os desenvolvedores na pesquisa trabalham com implantação e inferência de aprendizado de máquina

Você trabalha com big data?

Jodie Burchell
Developer Advocate em Data Science Advocacy na JetBrains

"A minoria de pessoas que não têm certeza se trabalham com big data reflete a imprecisão desse termo, especialmente na medida em que os computadores pessoais ganham mais hardware, e mais poderoso."

LinkedIn, X (o antigo Twitter), Mastodon, Blog

Ferramentas de big data100+

36%

PySpark

6%

PyFlink

8%

Great Expectations

3%

PyDeequ

5%

Outros

50%

Nenhuma opção

Soluções usadas para trabalhar com big data100+

34%

Nuvem

28%

Hospedagem própria

25%

Ambos

13%

Nenhuma opção

Ferramentas de desenvolvimento

Sistema operacional100+

55%

Linux

55%

Windows

29%

macOS

2%

BSD

1%

Outros

A parcela de desenvolvedores que usam Linux como seu ambiente de desenvolvimento diminuiu ao longo dos anos: em comparação com 2021, diminuiu 8 pontos percentuais.

Plataformas e ferramentas para implantação e inferência100+

18%

Hugging Face

17%

Amazon Sagemaker

15%

MLflow

13%

AzureML

9%

Databricks

8%

VertexAI

7%

Kubeflow

7%

Nvidia Triton

ORMs100+

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%Outros
36%34%41%Não faço desenvolvimento para bancos de dados
041%

A parcela dos que não estão fazendo nenhum desenvolvimento para bancos de dados aumentou 7 pontos percentuais em comparação com o ano anterior.

ORMs100+

43%

9%

Não faço desenvolvimento para bancos de dados

36%

54%

SQLAlchemy

15%

57%

Django ORM

13%

15%

Raw SQL

Vladimir Sotnikov
Líder de Desenvolvimento na JetBrains Computational Arts Initiative

"Os cientistas de dados estão usando bancos de dados com muito menos frequência que os desenvolvedores para a Web. Isso provavelmente mudará em 2024, pois os bancos de dados vetoriais estão cada vez mais populares em aplicações de LLMs."

LinkedIn, Google Scholar

Bancos de dados100+

202120222023
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%Outros
19%18%20%Nenhuma opção
0%43%

Observe que em 2023, a lista foi ampliada com novas opções.

O PostgreSQL continua sendo o banco de dados mais popular entre os usuários de Python, pelo terceiro ano consecutivo.

Sistemas de integração contínua (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
Developer Advocate em Web e Data Advocacy na JetBrains

“O GitHub Actions é uma ferramenta da qual eu dependo fortemente. Do meu ponto de vista de desenvolvedor, não preciso de um especialista em DevOps ou CI. É só um arquivo simples em YAML que simplifica o processo de execução de pipelines."

LinkedIn, X (o antigo Twitter)

Ferramentas de documentação100+

43%

Markdown

25%

Swagger

16%

Sphinx

14%

Postman

13%

Wiki

7%

MKDocs

7%

rST

Ferramentas de gerenciamento de configurações100+

16%

Ansible

5%

Puppet

3%

Chef

3%

Salt

8%

Uma solução personalizada

3%

Outros

67%

Nenhuma opção

IDE/Editor principal

41%

VS Code (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%

Outros

5%

Nenhuma opção

Para identificar os editores e IDEs mais populares, fizemos uma pergunta de resposta única "Qual é o editor principal que você usa para o seu desenvolvimento Python atual?".

Entre os usuários do PyCharm, 68% escolhem o PyCharm Professional Edition.

Ciência de dados vs. desenvolvimento Web

44%

46%

VS Code (Visual Studio Code)

27%

37%

PyCharm

7%

0%

Jupyter Notebook

Apenas 6% dos usuários do VS Code usam o VS Code Data Wrangler. Ao mesmo tempo, 51% dos usuários do VS Code usam o suporte ao Jupyter oferecido por ele.

O suporte ao Jupyter no IntelliJ IDEA e no PyCharm é usado, respectivamente, por 34% e 47% dos usuários desses IDEs.

IDEs/Editores usados além do IDE/Editor principal100+

22%

VS Code (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 IDEs/Editores usados

23%

1

38%

2

21%

3

19%

4+

Segundo nossos dados, 40% dos que responderam usam 3 ou mais IDEs ou editores no desenvolvimento em Python. Essa porcentagem é muito próxima à dos que usam 2 IDEs ou editores ao mesmo tempo.

Pacotes Python

Qual das seguintes ferramentas você usa para isolar ambientes Python entre projetos?100+

202120222023
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%Outros
15%15%11%Não uso ferramentas para isolar ambientes Python
1%55%

Quais ferramentas você usa para gerenciar dependências?100+

77%

Pip

19%

Conda

19%

Poetry

9%

pip-tools

9%

Pipenv

3%

Hatch

3%

PDM

2%

Outros

6%

Nenhuma opção

Em quais formatos suas informações de dependências de aplicações são armazenadas?100+

63%

requirements.txt

32%

pyproject.toml

17%

setup.py

8%

Pipfile

8%

environment.yml

8%

setup.cfg

De onde você instala os pacotes?100

80%

PyPI

28%

GitHub

16%

Anaconda

14%

Uma fonte local

10%

Da distribuição do Linux

10%

Um espelho interno do PyPI

10%

Um Python Package Index privativo

Dmitry Ustalov
Líder de equipe em Avaliação de IA na JetBrains

"Embora o PyPI e o GitHub sejam convenientes, assegure-se de que a sua cadeia de suprimentos de software esteja sob controle.”

Saiba mais sobre ataques à cadeia de suprimentos

LinkedIn, GitHub

De onde você instala os pacotes?100

80%

90%

PyPI

30%

25%

GitHub

27%

6%

Anaconda

14%

10%

Uma fonte local

13%

2%

Outros canais do Conda

Vladimir Sotnikov
Líder de Desenvolvimento na JetBrains Computational Arts Initiative

"Os desenvolvedores de aprendizado de máquina usam o Anaconda com frequência e isso é bastante evidente. É interessante que eles também costumem usar o GitHub para a instalação de pacotes. Isso ocorre porque muitas bibliotecas para aprendizado de máquina em Python incluem binários para C/C++ que precisam ser compilados nativamente para determinadas configurações de hardware e versões específicas do CUDA da Nvidia, o que torna o PyPI pouco prático ou mesmo impossível de usar para essas finalidades."

LinkedIn, Google Scholar

25%

dos que responderam disseram ter empacotado e publicado aplicativos em Python, desenvolvidos por eles, em um repositório de pacotes.

Quais ferramentas você usa para criar pacotes das suas bibliotecas de Python?100

53%

Twine

33%

Poetry

9%

Flit

9%

Hatch

6%

PDM

9%

Outros

Vladimir Sotnikov
Líder de Desenvolvimento na JetBrains Computational Arts Initiative

"Como já observado na pesquisa do ano anterior, o Poetry está ficando cada vez mais popular. A resolução de conflitos de dependências é um recurso que poupa muito tempo, em comparação com o pip."

LinkedIn, Google Scholar

Você usa um ambiente virtual em contêineres?

31%

Sim

47%

Não

1%

Outros

21%

Não uso containers no desenvolvimento em Python

16%

dos que responderam criam módulos binários para Python usando outra linguagem, como C, C++, Rust ou Go.

Linguagens para criar módulos binários para Python100+

55%

C++

44%

C

27%

Rust

9%

Go

7%

C# / .NET

5%

Fortran

3%

Assembly

5%

Outros

Dados demográficos

Gênero

Esta pergunta era opcional.

Faixa etária

8%

18–20

32%

21–29

33%

30–39

16%

40–49

7%

50 a 59

3%

60 anos ou mais

Trabalhar em equipe vs. trabalhar independentemente

Trabalhando em projetos

Situação de emprego

62%

Empregado em período integral por uma empresa/organização

12%

Estudante

6%

Autônomo(a)

6%

Freelancer

5%

Trabalhador estudante

4%

Empregado em meio período por uma empresa/organização

1%

Aposentado

4%

Atualmente desempregado

1%

Outros

Cargos100+

62%

Desenvolvedor/Programador

16%

Chefe de equipe

15%

Cientista de dados

15%

Engenheiro de dados

14%

Arquiteto

12%

Analista de dados

10%

Engenheiro de aprendizado de máquina / MLOps

9%

Pesquisador acadêmico

8%

Suporte técnico

6%

Analista de sistemas

6%

CIO/CEO/CTO

5%

Gerente de produto

4%

DBA

4%

Engenheiro de controle de qualidade

4%

Escritor técnico

Tamanho da empresa

7%

Apenas eu

10%

2–10

16%

11–50

25%

51 a 500

9%

501–1,000

12%

1.001–5.000

18%

Mais de 5.000

3%

Não tenho certeza

Tamanho da equipe

69%

2 a 7 pessoas

19%

8 a 12 pessoas

7%

13 a 20 pessoas

2%

21 a 40 pessoas

3%

Mais de 40 pessoas

Jay Miller
Developer Advocate de Pessoal na Aiven

"Com o número de demissões e o aumento das pessoas no mercado de trabalho em tecnologia, eu queria saber como estavam indo os Pythonistas. Parece que não houve muitas mudanças em termos de composição das equipes nos últimos anos, exceto por haver menos equipes de 21–40 pessoas."

LinkedIn, Kjaymiller

Setor da empresa

38%

Tecnologia da informação/desenvolvimento de software

6%

Ciências

6%

Educação/treinamento

6%

Contabilidade/finanças/seguros

4%

Indústria

4%

Medicina/saúde

4%

Serviços bancários/imóveis/financiamento hipotecário

2%

Vendas/distribuição/desenvolvimento de negócios

2%

Segurança

2%

Logística/transporte

2%

Marketing

2%

Sem fins lucrativos

Qual é o seu país ou região?

20%

Estados Unidos

9%

Índia

6%

Alemanha

4%

Reino Unido

4%

França

4%

China continental

3%

Rússia

3%

Brasil

3%

Canadá

2%

Itália

2%

Polônia

2%

Espanha

38%

Outros

Todos os países/regiões com menos de 1% foram mesclados em "Outros".

Metodologia e dados brutos

Quer se aprofundar mais nos dados? Baixe as respostas anônimas da pesquisa e veja o que você pode aprender. Compartilhe suas descobertas e ideias mencionando @jetbrains e @ThePSF no Twitter com a hashtag #pythondevsurvey.

Antes de começar a dissecar esses dados, preste atenção aos seguintes pontos importantes:

Este conjunto de dados inclui respostas apenas dos canais oficiais da Python Software Foundation. Depois de eliminar as respostas duplicadas e não confiáveis, o conjunto de dados incluiu mais de 25 mil respostas, coletadas de novembro de 2023 a fevereiro de 2024. A pesquisa foi promovida no python.org, no blog da PSF, em listas de correspondência do Python e em subreddits relacionados ao Python, além das contas da PSF no Twitter e no LinkedIn. Para evitar que a pesquisa fosse inclinada em favor de qualquer ferramenta ou tecnologia específica, não foram utilizados canais relacionados a produtos, serviços ou fornecedores para coletar as respostas.

Os dados foram anonimizados, sem informações pessoais ou detalhes de geolocalização. Para evitar a identificação de quaisquer entrevistados individuais por suas observações, todos os campos abertos foram excluídos.

Para ajudar você a entender melhor a lógica da pesquisa, estamos compartilhando o conjunto de dados, as perguntas da pesquisa e a lógica da pesquisa. Usamos diferentes métodos de ordenação para opções de resposta (alfabética, randomizada e direta). A ordem das respostas é especificada para cada pergunta.

Critérios para a filtragem das respostas

Qualquer um dos seguintes
  • 17 anos ou menos.
  • Não respondeu à pergunta "Você tem quantos anos de experiência profissional em programação?", na terceira página da pesquisa.
  • Menos de 21 anos e mais de 11 anos de experiência profissional em programação.
  • Excesso de respostas únicas para perguntas de múltipla escolha (excluindo respostas "Nenhum").
  • Várias respostas do mesmo endereço de e-mail (apenas uma resposta é usada).
  • Não usa o Python.

Pelo menos dois dos seguintes
  • Mais de 16 linguagens de programação usadas.
  • Mais de 9 cargos.
  • Mais de 11 opções selecionadas em resposta a "Para que você usa o Python?".
  • O país/região selecionado está no topo da lista em ordem alfabética e não entre os países/regiões populares.
  • Tanto o cargo de CEO quanto o de Suporte Técnico.
  • CEO e menor de 21 anos.
  • Muitas respostas selecionadas no geral (usando quase todos os frameworks para ciência de dados, para desenvolvimento Web, pacotes etc.).
  • Respostas muito rápidas (menos de 5 segundos por pergunta).

Mais uma vez, em nome da Python Software Foundation e da JetBrains, gostaríamos de agradecer a todos os que participaram desta pesquisa. Com a ajuda de vocês, fomos capazes de mapear o panorama da comunidade Python com mais precisão!

Contribua com a Campanha de doações recorrentes da PSF. A PSF é uma organização sem fins lucrativos inteiramente apoiada por seus patrocinadores, membros e o público.

Confira os resultados da Pesquisa de Desenvolvedores Python de 2022, 2021, 2020, 2019 e 2018.

Descubra os outros relatórios de pesquisa em grande escala da JetBrains!

Obrigado pelo seu tempo!

Esperamos que você tenha achado nosso relatório útil. Compartilhe-o com seus amigos e colegas.

Participe de pesquisas futuras:

Se tiver alguma dúvida sobre esta pesquisa ou sugestões para pesquisas futuras, entre em contato conosco em surveys@jetbrains.com ou psf@python.org.