Результаты опроса Python-разработчиков 2024
JetBrains PyCharm в сотрудничестве с Python Software Foundation в восьмой раз провели ежегодное исследование Python-сообщества.
Поделиться:
Использование Python
Python в качестве основного и второстепенного языка
Основной
Второстепенный
Использование Python с другими языками100+
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Языки для Data Science и веб-разработки100+
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#
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.
Использование Python с другими языками100+
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
опрошенных практикуют совместную разработку, что на 7 процентных пунктов меньше, чем в прошлом году.
Снижение может быть связано с усталостью от удаленной работы, из-за чего многие предпочитают работать индивидуально, или с возвращением в офисы, где командное взаимодействие устроено иначе.
Как долго вы профессионально занимаетесь программированием?
Меньше года
1–2 года
3–5 лет
6–10 лет
11 лет и больше
Как давно вы программируете на Python?
Меньше года
1–2 года
3–5 лет
6–10 лет
11 лет и больше
А вы знали, что Python — самый популярный язык среди тех, кто учится программировать?
Каждый пятый опрошенный программирует на нем меньше года, и больше двух третей изучающих информатику по всему миру использовали Python в прошлом году и для учебы, и для работы.
Читайте отчет об исследовании, которое мы провели среди тех, кто изучает компьютерные науки и учится программировать. Мы рассказываем об основных трендах: какие форматы и инструменты популярны в обучении, что мотивирует людей учиться, какие у них карьерные цели и с какими трудностями они сталкиваются.
Python-разработчиков в прошлом году участвовали в проектах с открытым исходным кодом.
Как вы можете описать свое участие в проектах с открытым исходным кодом в прошлом году?100+
Откуда вы обычно узнаете о новых инструментах и технологиях, связанных с разработкой Python?100+
55%
58%
Документация и API
45%
51%
YouTube
44%
41%
Python.org
42%
43%
Stack Overflow
41%
38%
Блоги
28%
22%
Книги
19%
27%
ИИ-инструменты
14%
13%
Онлайн-курсы программирования и массовые открытые онлайн-курсы
Искусственный интеллект становится все популярнее как способ изучения новых инструментов и технологий для Python. С 2023 по 2024 год доля учащихся, которые используют ИИ для этих целей, выросла с 19% до 27%.
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?
И для рабочих, и для личных проектов
Для личных, образовательных и не связанных с основной работой проектов
Для работы
Для чего вы используете Python?100+
Использование Python в качестве основного и второстепенного языка100+
49%
42%
Анализ данных
48%
34%
Веб-разработка
42%
33%
Машинное обучение
33%
22%
Инжиниринг данных
28%
23%
Веб-скрейпинг и парсинг
28%
23%
Научные исследования
26%
25%
DevOps / cистемное администрирование
С какой целью вы используете Python чаще всего?
21%
23%
Веб-разработка
10%
13%
Машинное обучение
10%
10%
Анализ данных
9%
8%
Научные исследования
9%
8%
Образовательные цели
7%
6%
DevOps / cистемное администрирование / написание скриптов автоматизации
6%
7%
Инжиниринг данных
В этом вопросе респондентов просили выбрать только одну основную деятельность.
Насколько активно вы занимаетесь следующими видами деятельности?
Веб-разработка
Анализ данных
Машинное обучение
Инжиниринг данных
Научные исследования
DevOps / cистемное 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
опрошенных продолжают использовать Python 2.
Версии Python 3
Установка и обновление Python100+
Почему вы не перешли на новейшую версию?100+
Фреймворки и библиотеки
Веб-фреймворки100+
Проценты в каждой колонке считаются отдельно.
| 2021 | 2022 | 2023 | 2024 | |
|---|---|---|---|---|
| 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% | Другое |
| 29% | 27% | 23% | 19% | Ничего из перечисленного |
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Веб-фреймворки100+
41%
56%
FastAPI
37%
39%
Flask
33%
42%
Requests
28%
61%
Django
22%
33%
Asyncio
22%
7%
Streamlit
13%
44%
Django REST Framework
Перекрестное использование веб-фреймворков100+
Проценты в каждой колонке считаются отдельно.
| Asyncio | Django | Django REST Framework | FastAPI | Requests | Starlette | Streamlit | aiohttp | httpx | |
|---|---|---|---|---|---|---|---|---|---|
| – | 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% | Другое |
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%
34%
BeautifulSoup
28%
32%
Pillow
22%
30%
Pydantic
22%
26%
OpenCV-Python
17%
21%
Tkinter
12%
13%
PyQT
11%
12%
Scrapy
10%
11%
Pygame
Фреймворки для юнит-тестирования100+
pytest
unittest
mock
doctest
tox
Hypothesis
nose
Другое
Ничего из перечисленного
Для каких фреймворков вам бы хотелось иметь хорошую поддержку в вашем редакторе/IDE?100+
PyCharm
PyCharm предоставляет расширенные возможности для бэкенд-разработки, включая поддержку Django, FastAPI и Flask.
Облачные платформы
Использование облачных платформ100+
Обратите внимание, что в 2023 году вариантов ответа стало больше.
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Как вы запускаете код в облаке?100+
В контейнерах
В виртуальных машинах
Бессерверно
На платформе PaaS
Другое
Ничего из перечисленного
Python-разработчиков для запуска кода в контейнере используют Kubernetes.
Какие из следующих инструментов вы используете?100+
Amazon Elastic Kubernetes Service
Google Kubernetes Engine
Azure Kubernetes Service
RedHat OpenShift
Другое
Как вы разрабатываете облачные приложения?100+
49%
51%
Локально с помощью virtualenv
38%
44%
В контейнерах Docker
23%
23%
В виртуальных машинах
20%
19%
С помощью интерпретатора локальной системы
16%
16%
В удаленных средах разработки
14%
15%
С помощью WSL
10%
9%
Напрямую в продакшен-окружении
2%
2%
Другое
Data Science
всех опрошенных Python-разработчиков занимаются обработкой и анализом данных — чаще всего с помощью библиотек pandas и NumPy.
Инструменты исследования и обработки данных
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Инструменты для работы с версиями данных
Собственное решение
Delta Lake
DVC
Pachyderm
Другое
Ничего из перечисленного
опрошенных сообщили, что занимаются созданием дэшбордов — чаще всего с помощью Streamlit и Plotly Dash.
Библиотеки для создания панелей мониторинга100+
Streamlit
Plotly Dash
TensorBoard
Gradio
Panel
Voila
Другое
Ничего из перечисленного
BI-решения100+
PowerBI
Затрудняюсь с ответом
Tableau
Looker
Metabase
QlikView
Другое
Ничего из перечисленного
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
респондентов обучают или используют ML-модели для генерации прогнозов — это на шесть процентных пунктов больше, чем в прошлом году. Среди них более двух третей работают со scikit-learn и PyTorch.
Фреймворки для обучения моделей машинного обучения и прогнозов100+
67%
68%
SciKit-Learn
60%
66%
PyTorch
48%
49%
TensorFlow
44%
42%
SciPy
30%
30%
Keras
22%
28%
Hugging Face Transformers
22%
23%
XGBoost
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Перекрестное использование фреймворков для обучения ML-моделей и прогнозирования100+
Проценты в каждой колонке считаются отдельно.
| Hugging Face Diffusers | Hugging Face Transformers | Keras | NLTK | PyTorch | PyTorch Lightning | SciKit-Learn | SciPy | TensorFlow | XGBoost | spaCy | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| – | 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 |
Инструменты отслеживания экспериментов100+
TensorBoard
MLFlow
Weights & Biases
Собственное решение
NeptuneML
CometML
Другое
Ничего из перечисленного
TensorBoard.dev устарел, но TensorBoard по-прежнему остается одним из лучших инструментов для отслеживания экспериментов. Глубокая интеграция с основными ML-фреймворками, разнообразные визуализации и удобная локальная настройка делают его популярным среди разработчиков и исследователей.
Платформы для обучения100+
опрошенных разработчиков занимаются развертыванием и применением моделей машинного обучения. Интересно, что самыми популярными инструментами для этой задачи являются внутренние решения.
Платформы для развертывания и инференса100+
Пользуетесь ли вы или ваша компания облачными инструментами/платформами для задач машинного обучения?
Как стоимость вычислений влияет на ваш выбор облачных инструментов/платформ для машинного обучения?
Они важны, но я также учитываю функциональность и производительность
Это основной фактор — я всегда стараюсь сократить расходы
Они не так важны, как удобство и интеграция
Стоимость не имеет большого значения
Какой у вас средний ежемесячный бюджет на облачные ресурсы для машинного обучения?
Меньше $1000
$1000–5000
$5000–10 000
$10 000–25 000
Больше $25 000
Затрудняюсь с ответом
респондентов занимаются большими данными, причем большинство предпочитают облачные решения. Среди инструментов для работы с большими данными, PySpark является самым популярным: его используют 40% опрошенных.
Инструменты для работы с большими данными100+
36%
40%
PySpark
8%
7%
Great Expectations
6%
6%
PyFlink
3%
4%
PyDeequ
5%
4%
Другое
50%
49%
Ничего из перечисленного
Решения для работы с большими данными100+
Облачные
На собственных серверах
И то, и другое
Ничего из перечисленного
Инструменты
Операционная система100+
Linux
Windows
macOS
BSD
Другое
100+
ORM100+
41%
59%
SQLAlchemy
15%
56%
Django ORM
12%
14%
Чистый SQL
10%
14%
SQLModel
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Доля тех, кто вообще не занимается разработкой баз данных, увеличилась на четыре процентных пункта по сравнению с прошлым годом.
Может ли это изменение быть связано с ростом использования векторных баз данных в LLM-приложениях?
ORM100+
34%
39%
SQLAlchemy
25%
26%
Django ORM
13%
12%
Чистый SQL
7%
10%
SQLModel
Базы данных100+
43%
49%
PostgreSQL
34%
37%
SQLite
30%
31%
MySQL
17%
18%
Redis
17%
19%
MongoDB
10%
11%
MariaDB
10%
12%
MS SQL Server
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Системы непрерывной интеграции (CI)100+
Все варианты ответа с долей меньше 2% объединены в категорию «Другое».
Две трети Python-разработчиков регулярно используют системы непрерывной интеграции.
Лидирует GitHub Actions, а следом идут GitLab CI/CD и Jenkins/Hudson.
Инструменты управления конфигурацией100+
Ansible
Кастомное решение
Puppet
Chef
Salt
Другое
Ничего из перечисленного
Инструменты для создания документации100+
43%
44%
Markdown
25%
29%
Swagger
16%
15%
Sphinx
14%
15%
Postman
13%
11%
Wiki
Как вы обычно работаете с отдельным Python-файлом?100+
Открываю весь проект в IDE
Использую редактор в терминале
Открываю только этот файл в IDE
Использую легковесный текстовый редактор
Другое
Мне редко приходится редактировать отдельные Python-файлы
Основная IDE/редактор
Чтобы определить, какие IDE и редакторы наиболее популярны, мы задали вопрос, в котором можно было выбрать только один вариант ответа.
Все варианты ответа с долей меньше 1% объединены в категорию «Другое».
Data Science и веб-разработка
44%
46%
Visual Studio Code
27%
37%
PyCharm
7%
0%
Jupyter Notebook
2%
0%
Spyder
Среди пользователей VS Code 11 % используют расширение Data Wrangler, а 53 % работают с поддержкой Jupyter, встроенной в IDE.
PyCharm
Для сравнения: поддержкой Jupyter пользуются 33% пользователей IntelliJ IDEA и 37% пользователей PyCharm.
Подробнее о поддержке Jupyter-ноутбуков и других возможностях PyCharm для анализа данных.
опрошенных используют дополнительные IDE или редакторы наряду с основной средой, причем 42 % работают одновременно с тремя и более.
IDE/редакторы, используемые в дополнение к основной IDE/редактору100+
Все варианты ответа с долей меньше 1% объединены в категорию «Другое».
Количество используемых IDE/редакторов
1
2
3
>3
Пакеты Python
Какие из следующих инструментов вы используете для изоляции окружений Python в разных проектах?100+
55%
62%
venv
28%
25%
virtualenv
20%
19%
Conda
18%
18%
Poetry
9%
8%
Pipenv
–
11%
uv
PyCharm
PyCharm поддерживает интеграцию с uv, позволяя создавать новые окружения с нуля и применять uv к уже существующим.
Какие инструменты вы используете для управления зависимостями?100+
77%
74%
pip
19%
20%
Poetry
19%
18%
Conda
–
12%
uv
9%
8%
Pipenv
9%
9%
pip-tools
В каком формате хранится информация о зависимостях приложения?100+
63%
59%
requirements.txt
32%
36%
pyproject.toml
17%
16%
setup.py
11%
12%
Не храню информацию о зависимостях
Откуда вы скачиваете пакеты?100
80%
75%
PyPI
28%
29%
GitHub
16%
16%
Anaconda
14%
14%
Локальный источник
10%
10%
Частный Python Package Index
10%
11%
Из дистрибутива Linux
10%
11%
Внутреннее зеркало PyPI
Откуда вы скачиваете пакеты?100
73%
83%
PyPI
29%
25%
GitHub
27%
6%
Anaconda
15%
10%
Локальный источник
13%
11%
Внутреннее зеркало PyPI
11%
12%
Частный Python Package Index
10%
2%
Другие каналы Conda
респондентов упаковывали и публиковали разработанное ими Python-приложение в репозиторий пакетов.
Какие инструменты вы используете для создания пакетов своих библиотек Python?100
Twine
PyPI Publish GitHub Action
Poetry
Hatch
Flit
PDM
Другое
Насколько вы знакомы с Trusted Publishers?
Впервые слышу
Имею смутное представление
Пробовал(а), но больше не пользуюсь
Пользуюсь сейчас
опрошенных работают с монорепозиторием, где хранятся несколько пакетов или сервисов, каждый из которых имеет собственные управляемые зависимости.
Вы используете в контейнерах виртуальное окружение?
Да
Нет
Другое
Не использую контейнеры для разработки на Python
опрошенных создают бинарные модули для Python на других языках — в основном C++, C и Rust. Интересно, что доля Rust выросла на шесть процентных пунктов по сравнению с прошлым годом.
Языки сборки двоичных модулей для Python100+
55%
54%
C++
44%
45%
C
27%
33%
Rust
9%
10%
Go
Демография
Гендер
На этот вопрос можно было не отвечать.
Возраст
Где вы живете?
Все варианты ответа с долей меньше 1% объединены в категорию «Другое».
В команде vs самостоятельно
Работа над проектами
Статус занятости
Должность100+
Размер компании
Размер команды
Сфера деятельности компании
Все варианты ответа с долей меньше 1% объединены в категорию «Другое».
Исходные данные и методология
Хотите проанализировать данные самостоятельно? Скачайте обезличенные результаты опроса и найдите нужные вам сведения. Делитесь своими открытиями и мыслями на платформе X с хештегом #pythondevsurvey. Не забудьте упомянуть @jetbrains и @ThePSF.
Прежде чем анализировать данные самостоятельно, обратите внимание:
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.
Надеемся, наш отчет был вам полезен. Поделитесь результатами исследования с друзьями и коллегами!