JetBrains logo

Resultados da Pesquisa de Desenvolvedores Python de 2024

Esta é a oitava pesquisa anual de Desenvolvedores Python, realizada como um esforço colaborativo entre a Python Software Foundation e a JetBrains PyCharm.

As respostas foram coletadas em outubro e novembro de 2024, com mais de 30.000 desenvolvedores e entusiastas do Python de quase 200 países e regiões participando para esclarecer o estado atual da linguagem e seu ecossistema.

Confira os resultados da Pesquisa de Desenvolvedores Python de 2023, 2022, 2021, 2020, 2019, 2018 e 2017.

Compartilhar:

Conteúdo

Uso geral do Python

Finalidades para o uso do Python

Versões do Python

Frameworks e bibliotecas

Plataformas de nuvem

Ciência de Dados

Ferramentas de desenvolvimento

Pacotes Python

Dados demográficos

Metodologia e dados brutos

Uso geral do Python

Python como linguagem principal vs. secundária

86%

Principal

14%

Secundária

Uso do Python com outras linguagens100+

0%

50%

2021202220232024

Todas as opções com menos de 2% foram agrupadas em “Outros”.

Linguagens para Ciência de Dados e Web100+

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#

Desenvolvimento Web refere-se a pessoas que selecionaram Desenvolvimento Web em resposta à pergunta “Para o que você mais usa o Python?”.

Ciência de dados refere-se a pessoas que selecionaram Análise de Dados ou Machine learning na mesma pergunta.

Uso do Python com outras linguagens100+

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%

dos desenvolvedores Python pesquisados praticam desenvolvimento colaborativo, uma queda de 7 pontos percentuais em relação ao ano passado.

Esse declínio pode ser devido à fadiga do trabalho remoto, com desenvolvedores preferindo fluxos de trabalho individuais, ou o retorno aos ambientes de escritório, onde a dinâmica da colaboração muda.

Quantos anos de experiência profissional em programação você tem?

31%

Menos de 1 ano

19%

1 a 2 anos

20%

3 a 5 anos

13%

6 a 10 anos

17%

Mais de 11 anos

Há quanto tempo você programa em Python?

21%

Menos de 1 ano

18%

1 a 2 anos

30%

3 a 5 anos

19%

6 a 10 anos

12%

Mais de 11 anos

Você sabia que o Python é a linguagem mais popular para aprender a programar?

Um em cada cinco entrevistados programou em Python por menos de um ano, e mais de dois terços dos aprendizes de ciência da computação em todo o mundo relataram usar Python tanto para aprendizado quanto para trabalho no ano passado.

Você tem interesse em mergulhar mais fundo no mundo da educação em ciência da computação?

Confira nosso Relatório da Pesquisa sobre a Curva de Aprendizado em Ciência da Computação de 2024 para explorar tendências atuais - desde formatos e ferramentas de aprendizado até motivações, metas de carreira e desafios comuns.

32%

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

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

78%

Programe

40%

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

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

55%

58%

Documentação e APIs

45%

51%

YouTube

44%

41%

Python.org

42%

43%

Stack Overflow

41%

38%

Blogs

28%

22%

Livros

19%

27%

Ferramentas de IA

14%

13%

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

A IA está ganhando popularidade como método de aprendizado sobre novas ferramentas e tecnologias no Python. De 2023 a 2024, a proporção de aprendizes que relataram usar IA para esse propósito aumentou de 19% para 27%.

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

A maioria das ferramentas de IA usam dados de treinamento de um ou dois anos atrás e favorece bibliotecas com muitos exemplos e código existente, por isso existe um forte viés em relação a pacotes que já existem há mais tempo.

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?

52%

Tanto para o trabalho quanto para projetos pessoais

28%

Para projetos pessoais, educacionais ou paralelos

20%

Para o trabalho

Para que você usa o Python?100+

0%

60%

2021202220232024

Uso do Python como linguagem principal e secundária100+

49%

42%

Análise de dados

48%

34%

Desenvolvimento Web

42%

33%

Machine learning

33%

22%

Engenharia de dados

28%

23%

Raspagem e análise de dados da Web

28%

23%

Pesquisa acadêmica

26%

25%

DevOps/Administração de sistemas

Para o que você mais usa o Python?

21%

23%

Desenvolvimento Web

10%

13%

Machine learning

10%

10%

Análise de dados

9%

8%

Pesquisa acadêmica

9%

8%

Fins educacionais

7%

6%

DevOps/administração de sistemas/criação de scripts de automação

6%

7%

Engenharia de dados

Nesta pergunta, pedimos aos respondentes que selecionassem apenas uma atividade principal.

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/criação 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

4%

dos desenvolvedores Python pesquisados continuam a usar o Python 2.

Versões do Python 3

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 ou inferior

Hugo van Kemenade
Fellow da PSF, Mantenedor do Open-Source Python, Desenvolvedor Principal do CPython e Editor do PEP

Como nos últimos dois anos, é bom ver que apenas 6% dos usuários ainda usam versões Python no fim da vida (versões 3.8 ou inferior), e que a maioria adota versões mais recentes, onde a parcela maior usa a versão 3.12, principalmente porque a pesquisa foi aberta apenas um dia após o lançamento da versão 3.13. Durante as 6 semanas em que a pesquisa esteve aberta, 15% já estavam usando principalmente a nova versão 3.13. Como gerente de lançamento do Python 3.14, estou feliz que as pessoas já estejam experimentando as novas versões alfa.

Instalação e upgrade do Python100+

34%

Python.org

24%

Ferramenta de gerenciamento de pacotes em todo o sistema operacional

17%

pyenv

17%

Uso containers do Docker

14%

Anaconda

6%

Outra pessoa gerencia as atualizações do Python para mim

5%

Compilação do código fonte

4%

Upgrade automático via provedor de nuvem

Por que você não atualizou para a versão mais recente?100+

53%

A versão que estou usando atende a todas as minhas necessidades

27%

Meus projetos não são compatíveis com a versão mais recente do Python

25%

Não tive tempo de atualizar

17%

Estou preocupado com a estabilidade da versão mais recente do Python

12%

É política da nossa organização usar apenas uma versão específica do Python

6%

Não sabia que a versão mais recente do Python estava disponível

5%

Não tenho as permissões necessárias para atualizar minha versão do Python

9%

Outros

Frameworks e bibliotecas

Frameworks da Web100+

As porcentagens são calculadas dentro de cada coluna.

2021202220232024
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%Outros
29%27%23%19%Nenhuma opção
041%

Todas as opções com menos de 2% foram agrupadas em “Outros”.

Frameworks da Web100+

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 frameworks Web100+

As porcentagens são calculadas dentro de cada coluna.

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%Outros
093%
William Vincent
Developer Advocate na JetBrains

Frameworks web que priorizam a assincronia, como FastAPI, revelam taxas mais altas de uso cruzado com bibliotecas assíncronas, como httpx, em comparação com frameworks web que oferecem assincronia opcional, como Django.

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%

34%

BeautifulSoup

28%

32%

Pillow

22%

30%

Pydantic

22%

26%

OpenCV-Python

17%

21%

Tkinter

12%

13%

PyQT

11%

12%

Scrapy

10%

11%

Pygame

Frameworks de teste de unidade100+

53%

pytest

23%

unittest

11%

mock

6%

doctest

5%

tox

4%

Hypothesis

2%

nose

2%

Outros

36%

Nenhuma opção

Hugo van Kemenade
Fellow da PSF, Mantenedor do Open-Source Python, Desenvolvedor Principal do CPython e Editor do PEP

Boas notícias para os usuários das bibliotecas de teste stdlib: o Python 3.13 adicionou cor à saída do doctest e o Python 3.14 adicionará cor ao unittest.

Para quais frameworks você gostaria de ter suporte avançado em seu editor / IDE?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

O PyCharm fornece suporte estendido para desenvolvimento de back-end, incluindo suporte para Django, FastAPI e Flask.

Saiba mais sobre desenvolvimento Web com PyCharm

Plataformas de nuvem

Uso de plataformas de nuvem100+

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

0%

45%

2021202220232024

Todas as opções com menos de 2% foram agrupadas em “Outros”.

Como você executa o código na nuvem?100+

53%

Dentro de containers

44%

Em máquinas virtuais

28%

Serverless

20%

Em uma plataforma como serviço

2%

Outros

7%

Nenhuma opção

44%

dos desenvolvedores consultados usam o Kubernetes para executar código em containers.

Quais dos seguintes serviços você usa?100+

51%

Amazon Elastic Kubernetes Service

31%

Google Kubernetes Engine

25%

Azure Kubernetes Service

11%

RedHat OpenShift

15%

Outros

Como você desenvolve para a nuvem?100+

49%

51%

Localmente com o virtualenv

38%

44%

Em containers do Docker

23%

23%

Em máquinas virtuais

20%

19%

Com um interpretador de sistema local

16%

16%

Em ambientes de desenvolvimento remoto

14%

15%

Usando WSL

10%

9%

Diretamente no ambiente de produção

2%

2%

Outros

Ciência de Dados

51%

de todos os desenvolvedores Python pesquisados estão envolvidos em exploração e processamento de dados, com pandas e NumPy sendo as ferramentas mais utilizadas para esse fim.

Ferramentas para exploração e processamento de dados

80%

pandas

75%

NumPy

16%

Spark

15%

Polars

15%

Airflow

8%

Uma solução interna

7%

Dask

Todas as opções com menos de 2% foram agrupadas em “Outros”.

Ferramentas para versionamento de dados

14%

Uma solução interna

7%

Delta lake

7%

DVC

4%

Pachyderm

3%

Outros

69%

Nenhuma opção

30%

dos Pythonistas consultados relataram que trabalham na criação de dashboards, com Streamlit e Plotly Dash sendo as principais escolhas para essas tarefas.

Bibliotecas para a criação de dashboards100+

33%

Streamlit

28%

Plotly Dash

14%

TensorBoard

11%

Gradio

10%

Panel

4%

Voila

12%

Outros

28%

Nenhuma opção

Cheuk Ting Ho
Membra do Conselho da PSF, Developer Advocate na JetBrains

Streamlit está se tornando mais popular devido à sua facilidade de uso e ao requisito mínimo de conhecimentos em desenvolvimento Web.

Soluções BI100+

21%

PowerBI

17%

Não tenho certeza

11%

Tableau

4%

Looker

4%

Metabase

2%

QlikView

9%

Outros

47%

Nenhuma opção

Todas as opções com menos de 2% foram agrupadas em “Outros”.

38%

dos nossos respondentes treinam ou geram previsões usando modelos de ML, o que é um aumento de seis pontos percentuais em relação ao ano passado. Entre eles, mais de dois terços usam scikit-learn e PyTorch.

Frameworks para treinamento de modelos e para fazer previsões com aprendizado de máquina100+

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 as opções com menos de 2% foram agrupadas em “Outros”.

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

Hugging Face Transformers é a biblioteca mais popular para trabalhar com modelos de linguagem de grande escala com licença aberta como o Llama.Hugging Face Diffusers é a biblioteca líder para modelos de difusão usados para geração de imagens e vídeos por modelos como Stable Diffusion.Tanto os Transformers quanto os Diffusers incluem integração profunda com PyTorch.

Cheuk Ting Ho
Membra do Conselho da PSF, Developer Advocate na JetBrains

O PyTorch agora está sob a governança da Fundação Linux e parece estar se tornando ainda mais popular este ano.

Frameworks para treinamento de modelos de ML ou predição com uso cruzado100+

As porcentagens são calculadas dentro de cada coluna.

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%

Ferramentas de acompanhamento de experimentos100+

24%

TensorBoard

22%

MLFlow

13%

Weights & Biases

12%

Uma solução interna

3%

NeptuneML

3%

CometML

2%

Outros

45%

Nenhuma opção

TensorBoard.dev foi descontinuado, mas o TensorBoard continua sendo uma das principais alternativas para acompanhamento de experimentos.Sua integração profunda com principais frameworks de ML, visualizações avançadas e configuração local flexível contribuem para seu uso generalizado por desenvolvedores e pesquisadores.

Plataformas de treinamento100+

50%

Jupyter Notebook

19%

Uma solução interna

11%

Amazon Sagemaker

9%

Máquinas virtuais na nuvem com SSH

9%

AzureML

6%

Databricks

6%

VertexAI

21%

dos desenvolvedores Python pesquisados trabalham com implantação e inferência de ML. Curiosamente, as ferramentas mais populares para esta tarefa são soluções internas.

Plataformas para implantação e inferência100+

26%

Uma solução interna

24%

Hugging Face

19%

Amazon Sagemaker

16%

MLFlow

14%

AzureML

9%

Databricks

9%

VertexAI

7%

Nvidia Triton

6%

Kubeflow

Você ou sua empresa usa ferramentas/plataformas para cargas de trabalho de ML na nuvem?

Como os custos de computação afetam sua escolha de ferramentas ou plataformas para cargas de trabalho de ML na nuvem?

46%

São importantes, mas eu os equilibro em relação ao desempenho e recursos

33%

São o fator principal; sempre procuro minimizar os custos

12%

São secundários a outros fatores, como facilidade de uso e integração.

8%

Os custos não são uma grande preocupação

Qual é o seu orçamento mensal típico para recursos de computação de ML baseados em nuvem?

27%

Menos de 1.000 USD

17%

1.000 a 5.000 USD

8%

5.000 a 10.000 USD

5%

10.000 a 25.000 USD

7%

Acima de 25.000 USD

37%

Não tenho certeza

16%

dos respondentes trabalham com big data, com a maioria preferindo soluções em nuvem. Entre as ferramentas de big data, o PySpark é a mais popular, sendo usada por 40% dos respondentes.

Ferramentas de big data100+

36%

40%

PySpark

8%

7%

Great Expectations

6%

6%

PyFlink

3%

4%

PyDeequ

5%

4%

Outros

50%

49%

Nenhuma opção

Soluções usadas para trabalhar com big data100+

34%

Nuvem

28%

Hospedagem própria

25%

Ambos

13%

Nenhuma opção

Ferramentas de desenvolvimento

Sistema operacional100+

59%

Linux

58%

Windows

27%

macOS

2%

BSD

1%

Outros

Ferramentas de IA usadas ou testadas para programação e outras atividades relacionadas ao desenvolvimento100+

82%

ChatGPT

39%

GitHub Copilot

23%

Google Gemini

17%

Anthropic Claude

13%

Visual Studio IntelliCode

12%

Microsoft 365 Copilot

12%

Plug-in CodeGPT no VS Code

9%

JetBrains AI Assistant

8%

Code Llama

7%

Codeium

7%

Tabnine

ORMs100+

41%

59%

SQLAlchemy

15%

56%

Django ORM

12%

14%

Raw SQL

10%

14%

SQLModel

Todas as opções com menos de 2% foram agrupadas em “Outros”.

A participação de cientistas de dados envolvidos em desenvolvimento de banco de dados aumentou quatro pontos percentuais em comparação com o ano passado.

Esse aumento pode estar relacionado ao uso crescente de bancos de dados vetoriais em aplicações LLM?

ORMs100+

34%

39%

SQLAlchemy

25%

26%

Django ORM

13%

12%

Raw SQL

7%

10%

SQLModel

Bancos de dados100+

43%

49%

PostgreSQL

34%

37%

SQLite

30%

31%

MySQL

17%

18%

Redis

17%

19%

MongoDB

10%

11%

MariaDB

10%

12%

MS SQL Server

Todas as opções com menos de 2% foram agrupadas em “Outros”.

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

O PostgreSQL é um projeto de código aberto excepcionalmente bem mantido - 28 anos e ainda ganhando participação de mercado!

Sistemas de integração contínua (CI)100+

35%

GitHub Actions

22%

Gitlab CI

12%

Jenkins/Hudson

8%

Azure DevOps

5%

AWS CodePipeline / AWS CodeStar

Todas as opções com menos de 2% foram agrupadas em “Outros”.

Dois terços dos desenvolvedores Python usam regularmente sistemas de integração contínua.

O GitHub Actions lidera o caminho, seguido pelo GitLab CI/CD e Jenkins/Hudson.

Ferramentas de gerenciamento de configurações100+

15%

Ansible

8%

Uma solução personalizada

4%

Puppet

2%

Chef

2%

Salt

3%

Outros

71%

Nenhuma opção

Ferramentas de documentação100+

43%

44%

Markdown

25%

29%

Swagger

16%

15%

Sphinx

14%

15%

Postman

13%

11%

Wiki

Como você costuma trabalhar com um único arquivo Python?100+

58%

Abro o projeto inteiro que contém o arquivo em um IDE

13%

Uso um editor de linha de comando

13%

Abro apenas esse arquivo em um IDE

11%

Uso um editor de texto leve

2%

Outros

4%

Normalmente, não preciso abrir ou editar arquivos Python individuais

IDE/Editor principal

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?".

48%

VS Code (Visual Studio Code)

25%

PyCharm

4%

Neovim

4%

Jupyter Notebook

3%

Vim

1%

Python Tools for Visual Studio

14%

Outros

3%

Nenhuma opção

Todas as opções com menos de 1% foram agrupadas em “Outros”.

Ciência de dados vs. desenvolvimento Web

44%

46%

VS Code (Visual Studio Code)

27%

37%

PyCharm

7%

0%

Jupyter Notebook

2%

0%

Spyder

Entre os usuários do VS Code, a extensão Data Wrangler é usada por 11%, e 53% aproveitam o suporte do IDE ao Jupyter.

PyCharm

Em comparação, o suporte ao Jupyter é usado por 33% dos usuários do IntelliJ IDEA e 37% dos usuários do PyCharm.

Saiba mais sobre o suporte ao Jupyter Notebook e outros recursos do PyCharm para profissionais de dados.

80%

dos desenvolvedores Python pesquisados usam IDEs ou editores adicionais junto com o principal, e 42% usam três ou mais simultaneamente.

IDEs/Editores usados além do IDE/Editor principal100+

22%

VS Code (Visual Studio Code)

21%

Jupyter Notebook

19%

PyCharm

16%

Vim

13%

NotePad++

12%

JupyterLab

8%

Sublime Text

8%

Nano

6%

Neovim

6%

IDLE

Todas as opções com menos de 1% foram agrupadas em “Outros”.

Número de IDEs/Editores usados

20%

1

38%

2

22%

3

20%

>3

Pacotes Python

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

55%

62%

venv

28%

25%

virtualenv

20%

19%

Conda

18%

18%

Poetry

9%

8%

Pipenv

–

11%

uv

Charlie Marsh
Fundador da Astral, Criador do Ruff e uv

O Rust nos permitiu construir ferramentas de alto desempenho para Python, especialmente no espaço de gerenciamento de pacotes, e foi incrível ver o impacto e a rápida adoção desse tipo de infraestrutura ao longo do ano.

Dmitry Ustalov
Líder de equipe em Avaliação de IA na JetBrains

Temos observado uma nova geração de ferramentas incríveis para Python implementadas em Rust: uv, Ruff e Polars. Atualmente, é uma das maiores tendências em Python.

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

O uv alcançou 11% no seu primeiro ano de lançamento (o primeiro lançamento foi em fevereiro de 2024), um feito notável.

Vladimir Sotnikov
Líder de Desenvolvimento na JetBrains Computational Arts Initiative

Comecei a usar o uv recentemente para um projeto pessoal e estou adorando!

LinkedIn, Google Scholar

PyCharm

O PyCharm oferece integração com o uv, que permite criar novos ambientes do zero e aplicar o uv a ambientes existentes.

Quais ferramentas você usa para gerenciar dependências?100+

77%

74%

pip

19%

20%

Poetry

19%

18%

Conda

–

12%

uv

9%

8%

Pipenv

9%

9%

pip-tools

Seth Larson
Developer-in-Residence em Segurança na PSF, Fellow da PSF

É ótimo ver a adoção de ferramentas de gerenciamento de dependências que suportam o bloqueio de dependências a checksums e versões a partir de uma perspectiva de segurança da cadeia de suprimentos.Todos os aplicativos em Python devem usar uma dessas ferramentas, como pip-tools, Poetry ou uv.

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

63%

59%

requirements.txt

32%

36%

pyproject.toml

17%

16%

setup.py

11%

12%

Não armazeno informações sobre dependências

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

O PEP 621 do pyproject.toml foi aceito em novembro de 2020.É ótimo ver a adoção contínua deste padrão moderno para empacotamento de Python.

simonwillison.net, GitHub, LinkedIn, Mastodon, Bluesky

De onde você instala os pacotes?100

80%

75%

PyPI

28%

29%

GitHub

16%

16%

Anaconda

14%

14%

Uma fonte local

10%

10%

Um Python Package Index privativo

10%

11%

Da distribuição do Linux

10%

11%

Um espelho interno do PyPI

Charlie Marsh
Fundador da Astral, Criador do Ruff e uv

Como usuário, estou constantemente impressionado pela velocidade e estabilidade do PyPI.É uma infraestrutura fundamental para todo o ecossistema Python, e a equipe faz um trabalho notável em manter o ecossistema em funcionamento.

Cheuk Ting Ho
Membra do Conselho da PSF, Developer Advocate na JetBrains

Isso mostra a importância do PyPI, já que a maioria dos desenvolvedores instala seus pacotes a partir dele.Manter a segurança dele tem sido um foco da PSF, e a comunidade precisa apoiar esse esforço também.

De onde você instala os pacotes?100

73%

83%

PyPI

29%

25%

GitHub

27%

6%

Anaconda

15%

10%

Uma fonte local

13%

11%

Um espelho interno do PyPI

11%

12%

Um Python Package Index privativo

10%

2%

Outros canais do Conda

Cheuk Ting Ho
Membra do Conselho da PSF, Developer Advocate na JetBrains

Anaconda e Conda ainda são escolhas populares para cientistas de dados, pois proporcionam uma experiência multiplataformas estável e ferramentas prontas para uso em projetos de ciência de dados.

26%

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

44%

Twine

31%

PyPI Publish GitHub Action

29%

Poetry

10%

Hatch

5%

Flit

5%

PDM

8%

Outros

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

Eu uso o GitHub Action PyPI Publish em vários dos meus projetos.É uma maneira realmente produtiva de enviar pacotes para o PyPI e processa automaticamente atestações digitais desde novembro de 2024, sem necessidade de alterações por parte do usuário final.

simonwillison.net, GitHub, LinkedIn, Mastodon, Bluesky

Qual é o seu nível de familiaridade com o Trusted Publishers?

51%

Nunca ouvi falar

33%

Estou vagamente ciente disso

4%

Experimentei, mas não uso mais

12%

Estou usando atualmente

Simon Willison
Membro do Conselho da PSF, Co-criador do Django e Fundador do Datasette

O Trusted Publishing fornece uma maneira segura de publicar pacotes PyPI sem a necessidade de copiar senhas ou tokens de autenticação nos sistemas de CI. É muito fácil de usar graças ao GitHub Action PyPI Publish.

Charlie Marsh
Fundador da Astral, Criador do Ruff e uv

O Trusted Publishing é uma das grandes inovações não reconhecidas do ecossistema de empacotamento no último ano.

30%

dos desenvolvedores Python pesquisados estão trabalhando com um monorepo, onde múltiplos pacotes ou serviços são armazenados em um único repositório, cada um com suas próprias dependências geridas de forma independente.

Você usa um ambiente virtual em containers?

35%

Sim

42%

Não

1%

Outros

21%

Não uso containers no desenvolvimento em Python

17%

dos respondentes constroem módulos binários em Python com outras linguagens, principalmente C++, C e Rust. Curiosamente, o Rust mostra um aumento de seis pontos percentuais em comparação ao ano passado.

Linguagens para criar módulos binários para Python100+

55%

54%

C++

44%

45%

C

27%

33%

Rust

9%

10%

Go

Seth Larson
Developer-in-Residence em Segurança na PSF, Fellow da PSF

É muito bom ver a adoção contínua de linguagens com segurança de memória junto com Python, como Rust, Go e C#.Isso se deve em grande parte a projetos comunitários de alta qualidade, como PyO3 e maturin.Parabéns aos colaboradores desses projetos.

Cheuk Ting Ho
Membra do Conselho da PSF, Developer Advocate na JetBrains

Python e Rust se complementam bem.Python é uma linguagem de alto nível e rápida de programar, enquanto Rust é compilada e rápida de executar.O PyO3 une as duas para que os desenvolvedores possam ter o melhor dos dois mundos.

Dados demográficos

Gênero

Esta pergunta era opcional.

Faixa etária

9%

18—20

38%

21—29

27%

30—39

15%

40—49

7%

50—59

3%

60 anos ou mais

Cheuk Ting Ho
Membra do Conselho da PSF, Developer Advocate na JetBrains

Embora a comunidade esteja se esforçando para melhorar a diversidade e inclusão, ainda percebemos que a maioria dos programadores é do sexo masculino. Diversidade e inclusão é uma iniciativa que precisa continuar.

Qual é o seu país ou região?

14%

Estados Unidos

11%

Índia

6%

Alemanha

4%

Reino Unido

4%

Brasil

4%

França

3%

China continental

Todas as opções com menos de 1% foram agrupadas em “Outros”.

Marie Nordin
Gerente de Comunicações com a Comunidade na PSF

Embora a porcentagem de respostas dos EUA ainda seja a mais alta, é ótimo ver que nossos esforços para alcançar uma maior diversidade de respondentes para a pesquisa de 2024 deram resultado!

Trabalhar em equipe vs. trabalhar independentemente

Trabalhando em projetos

Situação de emprego

59%

Empregado em período integral por uma empresa/organização

4%

Empregado em meio período por uma empresa/organização

6%

Autônomo(a)

6%

Freelancer

6%

Trabalhador estudante

12%

Estudante

4%

Atualmente desempregado

1%

Aposentado

1%

Outros

Cargos100+

66%

Desenvolvedor/Programador

16%

Chefe de equipe

16%

Engenheiro de dados

15%

Cientista de dados

15%

Arquiteto

13%

Analista de dados

12%

Engenheiro de aprendizado de máquina / MLOps

Tamanho da empresa

7%

Apenas eu

12%

2—10

17%

11—50

24%

51—500

7%

501—1.000

10%

1.001—5.000

18%

Mais de 5.000

4%

Não tenho certeza

Tamanho da equipe

70%

2 a 7 pessoas

19%

8 a 12 pessoas

6%

13 a 20 pessoas

3%

21 a 40 pessoas

2%

Mais de 40 pessoas

Setor da empresa

41%

Tecnologia da informação/desenvolvimento de software

7%

Ciências

6%

Educação/treinamento

5%

Contabilidade/finanças/seguros

4%

Indústria

4%

Medicina/saúde

3%

Serviços bancários/imóveis/financiamento hipotecário

Todas as opções com menos de 1% foram agrupadas 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 X 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 remover as respostas duplicadas e não confiáveis, o conjunto de dados inclui mais de 25.000 respostas coletadas de outubro a novembro de 2024, com a pesquisa sendo promovida no python.org e no blog da PSF, em listas de discussão oficiais do Python e subreddits relacionados ao Python, bem como pelas contas do X e do LinkedIn da PSF. 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).
Baixe os dados brutos da pesquisa

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 2023, 2022, 2021, 2020, 2019, 2018 e 2017.

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

Obrigado pelo seu tempo!

Esperamos que você tenha achado nosso relatório útil. Compartilhe este relatório com seus amigos e colegas!

Faça parte do JetBrains Tech Insights Lab

Participe de pesquisas e estudos de UX (experiência do usuário) para tornar os produtos da JetBrains mais fáceis de usar e ainda mais poderosos. Por participar de nossa pesquisa, você também terá a chance de ganhar recompensas.

Inscrever-se