JetBrains logo

Результаты опроса Python-разработчиков 2023

JetBrains в сотрудничестве с Python Software Foundation в седьмой раз провели ежегодный опрос Python-разработчиков.

В ноябре 2023 – феврале 2024 года более 25 000 разработчиков и поклонников Python из почти 200 стран и регионов приняли участие в исследовании и помогли нам определить текущее состояние языка и связанной с ним экосистемы.

Посмотрите результаты опросов2022, 2021, 2020, 2019, 2018, and 2017 годов.

Поделиться:

Использование Python

Python в качестве основного и второстепенного языка

85%

Основной

15%

Второстепенный

Использование Python с другими языками100+

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%Другое
13%14%17%Нет
040%

В настоящее время растет интерес к Go и Rust, которые позволяют создавать приложения с низким значением задержки и минимальными ошибками при управлении памятью.

Использование Python с другими языками100+

35%

38%

JavaScript

33%

31%

HTML/CSS

32%

26%

SQL

29%

25%

Bash/Shell

23%

35%

C/C++

Paul Everitt
Руководитель команды Web and Data Advocacy, JetBrains

«Снижение доли HTML/CSS/JS может указывать на то, что для Data Science все чаще используется Python».

LinkedIn, Mastodon, X (ранее Twitter)

Инструменты для веб-разработки и Data Science100+

40%

44%

SQL

30%

36%

Bash/Shell

30%

62%

JavaScript

28%

53%

HTML/CSS

25%

14%

C/C++

19%

15%

Java

12%

27%

TypeScript

Статистика по веб-разработке основана на ответах респондентов, которые выбрали веб-разработку, отвечая на вопрос «С какой целью вы используете Python чаще всего?».Соответственно, Data Science относится к тем, кто в ответе на тот же вопрос, выбрал анализ данных или машинное обучение.

Как давно вы программируете на Python?

25%

Менее 1 года

16%

1–2 года

26%

3–5 лет

19%

6–10 лет

13%

11 лет и больше

Как долго вы профессионально занимаетесь программированием?

33%

Менее 1 года

16%

1–2 года

18%

3–5 лет

15%

6–10 лет

18%

11 лет и больше

Сара Бойс
Django Fellow

«Python отличается понятным синтаксисом, широкой сферой применения (от Data Science до веб-разработки) и отличным сообществом разработчиков, поэтому его постоянно рекомендуют как хороший вариант языка программирования для начинающих».

Mastodon, LinkedIn

37%

Python-разработчиков сообщили, что в прошлом году участвовали в проектах с открытым исходным кодом.

Мэри Нордин
Менеджер по связям с сообществом, Python Software Foundation

«Это солидное число и блестящий результат, учитывая, что мы впервые были включены в этот опрос. Надеюсь, что эта тенденция сохранится и в следующие годы».

X (ранее Twitter)

Как вы можете описать свое участие в проектах с открытым исходным кодом в прошлом году?100+

77%

Пишите код

38%

Документация/примеры/учебные материалы

35%

Обслуживание/управление/руководство

33%

Тестирование

19%

Приоритизация ошибок и запросов функций

13%

Создание сообщества/информирование

2%

Другое

34%

Python-разработчиков сообщили, что занимаются совместной разработкой.

Откуда вы обычно узнаете о новых инструментах и технологиях, связанных с разработкой Python?100+

55%

Документация и API

45%

YouTube

44%

Python.org

42%

Stack Overflow

41%

Блоги

28%

Книги

19%

ИИ-инструменты

14%

Онлайн-курсы программирования и массовые открытые онлайн-курсы

14%

Конференции/мероприятия

13%

Подкасты

Для чего используют Python

Мы спрашивали, с какой целью люди используют Python, какими видами разработки они занимаются и как совмещают разные варианты применения языка.

Для чего вы используете Python?

51%

И для рабочих, и для личных проектов

28%

Для личных, образовательных и не связанных с основной работой проектов

21%

Для работы

Использование Python по годам100+

202120222023
51%51%44%Анализ данных
45%43%42%Веб-разработка
36%36%34%Машинное обучение
27%Инжиниринг данных
36%34%26%DevOps/системное администрирование/написание скриптов автоматизации
31%30%25%Программирование веб-парсеров/скраперов/сборщиков
25%Научные исследования
26%25%23%Тестирование ПО / написание автоматических тестов
27%27%22%Образовательные цели
21%Проектирование/визуализация данных
22%20%19%Прототипирование ПО
19%19%15%Разработка десктопных приложений
18%17%14%Сетевое программирование
12%13%10%Компьютерная графика
10%9%10%Разработка игр
8%MLOps
5%6%7%Разработка мультимедийных приложений
7%8%7%Разработка для встраиваемых систем
6%6%6%Мобильная разработка
7%6%6%Другое
051%

Обратите внимание, что в 2023 году список был расширен.

Использование Python в качестве основного и второстепенного языка100+

44%

40%

Анализ данных

44%

33%

Веб-разработка

34%

29%

Машинное обучение

28%

20%

Инжиниринг данных

26%

21%

Научные исследования

26%

26%

DevOps/системное администрирование/написание скриптов автоматизации

25%

23%

Программирование веб-парсеров/скраперов/сборщиков

С какой целью вы используете Python чаще всего?

21%

Веб-разработка

10%

Машинное обучение

10%

Анализ данных

9%

Научные исследования

9%

Образовательные цели

7%

DevOps/системное администрирование/написание скриптов автоматизации

6%

Инжиниринг данных

Насколько активно вы занимаетесь следующими видами деятельности?

Веб-разработка

Анализ данных

Машинное обучение

Инжиниринг данных

Научные исследования

DevOps/системное администрирование/написание скриптов автоматизации

Образовательные цели

Тестирование ПО / написание автоматических тестов

Прототипирование ПО

Проектирование/визуализация данных

Программирование веб-парсеров/скраперов/сборщиков

Разработка десктопных приложений

Сетевое программирование

Версии Python

Python 3 и Python 2

2023

2022

2021

2020

2019

2018

2017

Почти половина тех, кто держится за Python 2, — моложе 21 года, треть — студенты. Может быть, на курсах все еще пользуются Python 2?

Версии 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 или более ранняя
045%

Примечание: в 2023 году завершился жизненный цикл Python 3.7 и предыдущих версий. Python 3.12 был выпущен в октябре 2023 года (за 1 месяц до начала этого опроса), и многие уже успели перейти на этот стандарт. Разработчики, указавшие в этом опросе Python 3.13, пользуются альфа-версией.

Почти 75% пользователей используют одну из трех последних версий Python. Это отличные новости! Сообщество довольно быстро переходит на новые версии Python, потому что это дает выигрыш в производительности и удобстве работы.

Установка и обновление Python100+

31%

Python.org

24%

Инструмент управления пакетами в масштабе ОС

17%

pyenv

16%

Контейнеры Docker

14%

Anaconda

5%

Сборка из исходного кода

4%

Автоматическое обновление через поставщика облачных сервисов

Enthought выбрали менее 0,5% респондентов, поэтому он был включен в «Другое».

Фреймворки и библиотеки

Веб-фреймворки100+

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%

Другое

23%

Нет

Обратите внимание, что в 2023 году список был расширен.

Веб-фреймворки100+

36%

42%

Flask

31%

46%

FastAPI

31%

40%

Requests

26%

63%

Django

18%

29%

Asyncio

16%

4%

Streamlit

12%

43%

Django REST Framework

Веб-фреймворки используются очень широко, в том числе об этом сообщили 77% специалистов по Data Science и 97% веб-разработчиков.

Владимир Сотников
Ведущий разработчик, JetBrains Computational Arts Initiative

«Разработчики в сфере машинного обучения реже используют Django — этот фреймворк предпочитают те, кто разрабатывает полномасштабные веб-приложения. А вот Flask и FastAPI, которые подходят для создания RESTful API, одинаково успешно используются и при веб-разработке, и для машинного обучения. Можно предположить, что специалисты по машинному обучению активно участвуют в веб-разработке, но в первую очередь занимаются сервисами на базе API, а не традиционными сайтами».

LinkedIn, Google Scholar

Подробнее об использовании Django можно узнать из результатов опроса Django-разработчиков, который мы провели совместно с Django Software Foundation в 2023 году.

Другие фреймворки и библиотеки100+

31%

BeautifulSoup

28%

Pillow

22%

OpenCV-Python

22%

Pydantic

17%

Tkinter

12%

PyQT

11%

Scrapy

Фреймворки для юнит-тестирования100+

52%

pytest

25%

unittest

11%

mock

9%

doctest

5%

tox

5%

Hypothesis

2%

nose

Облачные платформы

Использование облачных платформ100+

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%Другое
39%34%33%Нет
<1%39%

Обратите внимание, что в 2023 году список был расширен.

Мукул Мантош
Developer Advocate, команда Web and Data Advocacy, JetBrains

«После того как Azure выпустил сервис OpenAI, AWS и Google заторопились и тоже быстро выпустили Bedrock и Gemini».

LinkedIn, X (ранее Twitter)

Сара Бойс
Django Fellow

«Google Cloud Platform набирает популярность, особенно в США, где ею пользуются 38% респондентов. Эта платформа уже опередила AWS и стала основным поставщиком облачных услуг.

После того, как создатели Heroku отменили бесплатные планы подписки, его доля пользователей упала с 14% в 2021 году до всего лишь 7% в 2023-м.”

Mastodon, LinkedIn

Джей Миллер
Staff Developer Advocate, Aiven

«Я вижу, что на развитие ситуации повлияли важные решения относительно цен и слияния компаний.

Решение Heroku относительно новой ценовой политики заметно им повредило, но я не вижу, кто вышел бы из передела победителем (кроме, пожалуй, PythonAnywhere)».

LinkedIn, Kjaymiller

Как вы запускаете код в облаке?100+

47%

В контейнерах

42%

В виртуальных машинах

25%

Внесерверная обработка

26%

Используя платформу как услугу

2%

Другое

8%

Нет

Мукул Мантош
Developer Advocate, команда Web and Data Advocacy, JetBrains

«По данным опроса CNCF, проводившегося в 2022 году, около 44% пользователей перенесли основную часть производственных нагрузок в контейнеры, а еще 9% думают об этом».

LinkedIn, X (ранее Twitter)

45%

Python-разработчиков говорят, что для запуска кода в контейнере используют Kubernetes.

Какие из следующих инструментов вы используете?100+

49%

Amazon Elastic Kubernetes Service

33%

Google Kubernetes Engine

21%

Azure Kubernetes Service

10%

RedHat OpenShift

16%

Другое

Мукул Мантош
Developer Advocate, команда Web and Data Advocacy, JetBrains

«Для управления контейнерами я в основном использую Amazon EKS, поскольку он полностью интегрирован с AWS. Я пробовал также Google Kubernetes Engine (GKE), больших различий не заметил. Однако скажу, что GKE Autopilot мне очень понравился, поскольку он берет на себя настройку кластеров, управление узлами, масштабирование, управление безопасностью и другие заранее заданные настройки — всем этим управляет Google».

LinkedIn, X (ранее Twitter)

Как вы разрабатываете облачные приложения?100+

49%

Локально с помощью virtualenv

38%

В контейнерах Docker

23%

В виртуальных машинах

20%

С помощью интерпретатора локальной системы

16%

В удаленных средах разработки

14%

С помощью WSL

10%

Непосредственно в производственной среде

2%

Другое

Мукул Мантош
Developer Advocate, команда Web and Data Advocacy, JetBrains

«Мне очень удобно работать с AWS Toolkit и плагином Cloud Code — они позволяют без труда создавать бессерверные приложения. Кроме того, с помощью таких фреймворков, как LocalStack, можно исполнять приложения AWS или вычисления Lambda на локальной машине, так что не требуется подключаться к поставщику облачных услуг».

LinkedIn, X (ранее Twitter)

Data Science

48%

всех Python-разработчиков, участвовавших в опросе, так или иначе занимаются исследованием и обработкой данных.

Инструменты исследования и обработки данных

77%

pandas

72%

NumPy

16%

Spark

14%

Airflow

10%

Polars

9%

Собственное решение

7%

Dask

Джоди Берчелл
Developer Advocate, команда Data Science Advocacy, JetBrains

“pandas остается главной рабочей лошадкой для решения задач по исследованию и обработке данных, но некоторые пользователи пользуются также распределенными библиотеками обработки данных, например Spark, Dask и Ray. Можно предположить, что они работают с большими данными. Для обработки больших наборов данных на локальной машине все чаще используется Polars».

LinkedIn, X (ранее Twitter), Mastodon, Блог

Библиотеки для создания панелей мониторинга100+

31%

Plotly Dash

28%

Streamlit

12%

Panel

12%

Gradio

4%

Voilà

13%

Другое

26%

Нет

25% респондентов ответили, что работают над созданием панелей мониторинга. Чаще всего для таких задач используются Plotly Dash и Streamlit.

32%

всех Python-разработчиков сообщили, что обучают модели машинного обучения или генерируют для них прогнозы. Для решения этих задач чаще всего используются scikit-learn и PyTorch.

Фреймворки для обучения моделей машинного обучения и прогнозов
100+

67%

scikit-learn

60%

PyTorch

48%

TensorFlow

44%

SciPy

30%

Keras

22%

Hugging Face Transformers

22%

XGBoost

Платформы для обучения100+

52%

Ноутбуки Jupyter

11%

Amazon Sagemaker

10%

Облачные ВМ с доступом по SSH

9%

AzureML

6%

Databricks

Джоди Берчелл
Developer Advocate, команда Data Science Advocacy, JetBrains

«Сам факт, что большинство работающих с машинным обучением, пользуются scikit-learn и SciPy, показывает, что классическое машинное обучение и статистика по-прежнему играют важную роль в Data Science. Однако библиотеки глубокого обучения, например PyTorch, Tensorflow, Keras и Hugging Face Transformers, тоже очень распространены. Это может свидетельствовать о том, что сейчас растет интерес к генеративному ИИ и большим языковым моделям».

LinkedIn, X (ранее Twitter), Mastodon, Блог

Инструменты отслеживания экспериментов100+

26%

TensorBoard

19%

MLflow

12%

Weights & Biases

4%

CometML

4%

NeptuneML

2%

Другое

12%

Собственное решение

44%

Нет

1 января 2024 года Google прекратил поддержку TensorBoard.dev (сервиса, который позволял одним кликом опубликовать данные мониторинга машинного обучения). Разумно предположить, что в 2024 году вырастет популярность других решений.

Инструменты для работы с версиями данных100+

14%

Собственное решение

7%

Dalta Lake

7%

DVC

4%

Pachyderm

3%

Другое

69%

Нет

18%

всех опрошенных разработчиков, занимаются развертыванием ML-моделей и выполнением логического вывода.

Работаете ли вы с большими данными?

Джоди Берчелл
Developer Advocate, команда Data Science Advocacy, JetBrains

«Меньше всего тех, кто не уверен, работают ли они с большими данными. Это отражает отсутствие четкого определения термина, особенно по мере того, как персональные компьютеры становятся мощнее».

LinkedIn, X (ранее Twitter), Mastodon, Блог

Инструменты для работы с большими данными100+

36%

PySpark

6%

PyFlink

8%

Great Expectations

3%

PyDeequ

5%

Другое

50%

Нет

Решение, используемые для работы с большими данными100+

34%

В облаке

28%

Собственные инструменты

25%

И то, и другое

13%

Нет

Инструменты

Операционная система100+

55%

Linux

55%

Windows

29%

macOS

2%

BSD

1%

Другое

Доля разработчиков, использующих в качестве среды разработки Linux, уже несколько лет уменьшается. По сравнению с 2021 годом она сократилась на 8 процентных пунктов.

Платформы и инструменты развертывания и логического вывода100+

18%

Hugging Face

17%

Amazon Sagemaker

15%

MLflow

13%

AzureML

9%

Databricks

8%

VertexAI

7%

Kubeflow

7%

Nvidia Triton

ORM100+

202120222024
34%35%34%SQLAlchemy
29%28%25%Django ORM
16%16%13%Чистый 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%Другое
36%34%41%Не разрабатываю базы данных
041%

Доля тех, кто вообще не занимается разработкой баз данных, выросла по сравнению с прошлым годом на 7 процентных пунктов.

ORM100+

43%

9%

Не разрабатываю базы данных

36%

54%

SQLAlchemy

15%

57%

Django ORM

13%

15%

Чистый SQL

Владимир Сотников
Ведущий разработчик, JetBrains Computational Arts Initiative

“Специалисты по Data Science используют БД гораздо реже, чем веб-разработчики. Вероятно, в 2024 году ситуация изменится, поскольку векторные БД все чаще применяются в LLM-приложениях».

LinkedIn, Google Scholar

Базы данных100+

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%Другое
19%18%20%Нет
0%43%

Обратите внимание, что в 2023 году список был расширен.

PostgreSQL третий год подряд остается самой распространенной базой данных среди пользователей Python.

Системы непрерывной интеграции (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

Мукул Мантош
Developer Advocate, команда Web and Data Advocacy, JetBrains

«GitHub Actions — инструмент, которым я пользуюсь постоянно. Мне как разработчику не нужен специалист по DevOps или CI. Это простой YAML-файл, который облегчает запуск пайплайна».

LinkedIn, X (ранее Twitter)

Инструменты для создания документации100+

43%

Markdown

25%

Swagger

16%

Sphinx

14%

Postman

13%

Wiki

7%

MKDocs

7%

rST

Инструменты управления конфигурацией100+

16%

Ansible

5%

Puppet

3%

Chef

3%

Salt

8%

Пользовательское решение

3%

Другое

67%

Нет

Основная IDE/редактор

41%

Visual Studio Code

31%

PyCharm

3%

Vim

3%

Ноутбуки Jupyter

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%

Другое

5%

Нет

Чтобы определить, какие IDE и редакторы наиболее популярны, мы задали вопрос, в котором можно было выбрать только один вариант ответа.

68% пользователей PyCharm выбирают PyCharm Professional Edition.

Data Science и веб-разработка

44%

46%

Visual Studio Code

27%

37%

PyCharm

7%

0%

Ноутбуки Jupyter

Только 6% пользователей VS Code используют VS Code Data Wrangler. В то же время 51% пользователей VS Code пользуются поддержкой Jupyter в этом решении.

Поддержкой Jupyter в IntelliJ IDEA и PyCharm пользуются соответственно 34% и 47% пользователей.

IDE/редакторы, используемые в дополнение к основной IDE/редактору100+

22%

Visual Studio Code

20%

Ноутбуки Jupyter

17%

Vim

13%

PyCharm Community Edition

12%

JupyterLab

11%

NotePad++

9%

Sublime Text

7%

PyCharm Professional Edition

7%

Nano

Количество используемых IDE/редакторов

23%

1

38%

2

21%

3

19%

4+

По нашим данным, 40% респондентов используют для разработки на Python 3 и больше IDE и редакторов. Почти столько же используют одновременно 2 IDE или редактора.

Пакеты Python

Какие из следующих инструментов вы используете для изоляции окружений Python в разных проектах?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%Другое
15%15%11%Я не использую инструменты для изоляции окружения Python
1%55%

Какие инструменты вы используете для управления зависимостями?100+

77%

Pip

19%

Conda

19%

Poetry

9%

pip-tools

9%

Pipenv

3%

Hatch

3%

PDM

2%

Другое

6%

Нет

В каком формате хранится информация о зависимостях приложения?100+

63%

requirements.txt

32%

pyproject.toml

17%

setup.py

8%

Pipfile

8%

environment.yml

8%

setup.cfg

Откуда вы скачиваете пакеты?27

80%

PyPI

28%

GitHub

16%

Anaconda

14%

Локальный источник

10%

Из дистрибутива Linux

10%

Внутреннее зеркало PyPI

10%

Частный Python Package Index

Дмитрий Усталов
Руководитель команды, AI Evaluation, JetBrains

«И PyPI, и GitHub достаточно удобны, но нужно убедиться, что вы контролируете цепочку поставки ПО».

Подробнее об атаках на цепочки поставок

LinkedIn, GitHub

Откуда вы скачиваете пакеты?27

80%

90%

PyPI

30%

25%

GitHub

27%

6%

Anaconda

14%

10%

Локальный источник

13%

2%

Другие каналы Conda

Владимир Сотников
Ведущий разработчик, JetBrains Computational Arts Initiative

«ML-разработчики часто используют Anaconda, и это понятно. Интересно, что для установки пакетов они также часто используют GitHub. Дело в том, что во многие ML-библиотеки Python входят двоичные файлы для C/C++, которым нужна собственная компиляция для определенных версий Nvidia CUDA и конфигураций аппаратного обеспечения. В этой ситуации использовать PyPI оказывается неудобно или просто невозможно».

LinkedIn, Google Scholar

25%

респондентов ответили, что делают пакеты из созданных ими приложений на Python и публикуют их в репозиториях пакетов.

Какие инструменты вы используете для создания пакетов своих библиотек Python?27

53%

Twine

33%

Poetry

9%

Flit

9%

Hatch

6%

PDM

9%

Другое

Владимир Сотников
Ведущий разработчик, JetBrains Computational Arts Initiative

«Как отмечалось уже в прошлогоднем опросе, все популярнее становится Poetry. Функция разрешения конфликтов зависимостей экономит массу времени по сравнению с pip».

LinkedIn, Google Scholar

Вы используете в контейнерах виртуальное окружение?

31%

Да

47%

Нет

1%

Другое

21%

Не использую контейнеры для разработки на Python

16%

респондентов используют для сборки двоичных модулей для Python другие языки, например C, C++, Rust или Go.

Языки сборки двоичных модулей для Python100+

55%

C++

44%

C

27%

Rust

9%

Go

7%

C# / .NET

5%

Fortran

3%

Язык ассемблера

5%

Другое

Демография

Гендер

На этот вопрос можно было не отвечать.

Возраст

8%

18–20

32%

21–29

33%

30–39

16%

40–49

7%

50–59

3%

60 и старше

В команде vs самостоятельно

Работа над проектами

Статус занятости

62%

Работаю в штате компании или организации

12%

Студент

6%

Самозанятый

6%

Фрилансер

5%

Работающий студент

4%

Работаю по совместительству в компании или организации

1%

На пенсии

4%

В настоящее время не работаю

1%

Другое

Рабочая роль100+

62%

Разработчик, программист

16%

Руководитель команды

15%

Cпециалист по Data Science

15%

Инженер данных

14%

Архитектор

12%

Аналитик данных

10%

Специалист по машинному обучению/MLOps

9%

Научный сотрудник

8%

Техническая поддержка

6%

Системный аналитик

6%

Руководитель компании

5%

Менеджер продукта

4%

Администратор БД

4%

QA-инженер

4%

Технический писатель

Размер компании

7%

Только я

10%

2–10

16%

11–50

25%

51–500

9%

501–1000

12%

1001–5000

18%

Более 5000

3%

Не знаю

Размер команды

69%

От 2 до 7 человек

19%

От 8 до 12 человек

7%

От 13 до 20 человек

2%

От 21 до 40 человек

3%

Более 40 человек

Джей Миллер
Staff Developer Advocate, Aiven

«В ИТ-отрасли идут масштабные сокращения, конкуренция на рынке труда растет, и мне было интересно, как в этой ситуации чувствуют себя Python-разработчики. Похоже, что с точки зрения состава команд в последние годы мало что изменилось, разве что команды размером 21–40 человек почти исчезли».

LinkedIn, Kjaymiller

Сфера деятельности компании

38%

Информационные технологии / разработка ПО

6%

Наука

6%

Образование / обучение

6%

Бухгалтерия / финансы / страхование

4%

Производство

4%

Медицина / здравоохранение

4%

Банковское дело / недвижимость / ипотечное финансирование

2%

Продажи / дистрибуция / развитие бизнеса

2%

Безопасность

2%

Транспорт / логистика

2%

Маркетинг

2%

Некоммерческая организация

Укажите свою страну или регион

20%

США

9%

Индия

6%

Германия

4%

Великобритания

4%

Франция

4%

Материковый Китай

3%

Россия

3%

Бразилия

3%

Канада

2%

Италия

2%

Польша

2%

Испания

38%

Другое

Страны/регионы, которые указали меньше 1% респондентов, объединены в группу «Другое».

Исходные данные и методология

Хотите проанализировать данные самостоятельно? Скачайте обезличенные результаты опроса и найдите нужные вам сведения. Делитесь своими открытиями и мыслями в Twitter с хештегом #pythondevsurvey. Не забудьте упомянуть @jetbrains и @ThePSF.

Прежде чем анализировать данные самостоятельно, обратите внимание:

Набор данных включает в себя только ответы, полученные через официальные каналы Python Software Foundation. После того как мы исключили дубликаты и ненадежные ответы, в наборе данных осталось более 25 000 ответов, собранных в ноябре 2023–феврале 2024 года за счет продвижения опроса на сайте python.org и в блоге PSF, через официальные рассылки Python и связанные с Python сабреддиты, а также на страницах PSF в Twitter и LinkedIn. Чтобы избежать искажения результатов в пользу определенного инструмента или технологии, для сбора ответов не использовались каналы, связанные с какими-либо продуктами, сервисами и поставщиками.

Данные полностью анонимны и не содержат персональной информации о респондентах и об их местонахождении. Чтобы исключить вероятность идентификации респондентов по их комментариям, мы удалили все ответы на открытые вопросы.

Чтобы вам было проще понять логику опроса, мы делимся набором данных, вопросами и всей логикой анкеты. Мы использовали разные способы упорядочивания вариантов ответов (алфавитный, случайный и прямой). Порядок ответов указан для каждого вопроса.

Критерии исключения ответов

Любой из следующих факторов
  • Возраст меньше 18 лет.
  • Нет ответа на вопрос «Как долго вы профессионально занимаетесь программированием?» на третьей странице опроса.
  • Возраст менее 21 года, а опыт профессионального программирования более 11 лет.
  • Слишком много одиночных ответов на вопросы с возможностью выбора нескольких ответов (за исключением ответов «Никакие», «Нет»).
  • Несколько ответов с одного адреса электронной почты (для каждого адреса мы сохранили только один ответ).
  • Респондент не использует Python.

Сочетание по крайней мере двух из следующих факторов
  • Используется более 16 языков программирования.
  • Более 9 рабочих ролей.
  • Выбрано более 11 вариантов при ответе на вопрос «Для чего вы используете Python?».
  • Выбранная страна/регион находится в верхней части списка, сортированного по алфавиту, и не относится к самым часто выбираемым странам/регионам.
  • Сочетание рабочих ролей CEO и «Техническая поддержка».
  • CEO и возраст менее 21 года.
  • В целом слишком много выбранных вариантов ответа (например, респондент использует практически все фреймворки для Data Science, веб-разработки, упаковки и т. п.).
  • Ответы даны слишком быстро (меньше 5 секунд на вопрос).

JetBrains и Python Software Foundation благодарят всех, кто участвовал в опросе. Вы помогли нам составить актуальное представление об экосистеме Python.

Поддержите PSF. PSF — некоммерческая организация, существующая исключительно на средства, внесенные ее членами, спонсорами и сообществом.

Посмотрите результаты опросов2022, 2021, 2020, 2019, 2018, and 2017 годов.

Читайте отчеты о других исследованиях JetBrains.

Спасибо, что уделили время!

Надеемся, наш отчет был вам полезен. Поделитесь результатами исследования с друзьями и коллегами.

Примите участие в наших опросах:

Если у вас есть вопросы об этом исследовании или предложения для новых опросов, напишите нам по адресу surveys@jetbrains.com или psf@python.org.