JetBrains logo

2023 Python 开发者调查结果

这是由 Python Software Foundation 和 JetBrains 共同开展的第七次官方年度 Python 开发者调查。

回复于 2023 年 11 月至 2024 年 2 月收集,来自近 200 个国家和地区的超过 25,000 名 Python 开发者和爱好者参与了调查,揭示了该语言及其生态系统的现状。

查看 202220212020201920182017 年的 Python 开发者调查结果。

分享:

一般 Python 使用情况

Python 作为主要语言与作为辅助语言

85%

主要

15%

辅助

Python 与其他语言的使用100+

2021 年2022 年2023 年
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%其他
13%14%17%
040%

目前,人们对使用 Go 和 Rust 编写低延迟和内存安全型应用程序的兴趣日益浓厚。

Python 与其他语言的使用100+

35%

38%

JavaScript

33%

31%

HTML/CSS

32%

26%

SQL

29%

25%

Bash/Shell

23%

35%

C/C++

Paul Everitt
JetBrains Web 和数据推广团队主管

“HTML/CSS/JS 的下降可能表明数据科学正在增加 Python 的占比。”

LinkedInMastodonX(以前称为 Twitter)

适用于 Web 和数据科学的语言100+

40%

44%

SQL

30%

36%

Bash/Shell

30%

62%

JavaScript

28%

53%

HTML/CSS

25%

14%

C/C++

19%

15%

Java

12%

27%

TypeScript

Web 开发是指回答“您最常使用 Python 做什么?”这一问题时选择“Web 开发”的人群。数据科学是指同一问题下选择“数据分析”或“机器学习”的人群。

您使用 Python 编程有多长时间了?

25%

不足 1 年

16%

1–2 年

26%

3–5 年

19%

6–10 年

13%

11 年以上

您有多少年的专业编码经验?

33%

不足 1 年

16%

1–2 年

18%

3–5 年

15%

6–10 年

18%

11 年以上

Sarah Boyce
Django Fellow

“Python 因其易读的语法、广泛的适用性(从数据科学到 Web 开发)和出色的社区,经常被推荐为适合初学者的优秀编程语言。”

MastodonLinkedIn

37%

的 Python 开发者表示去年为开源项目做出了贡献。

Marie Nordin
Python Software Foundation 社区沟通经理

“这个数字非常好,特别是该问题首次纳入调查。我很好奇这一趋势将如何逐年发展。”

X (Twitter)

您如何描述自己在过去一年中对开源的贡献?100+

77%

编码

38%

文档/示例/教育

35%

维护者/治理/领导

33%

测试

19%

分类问题或功能请求

13%

社区建设/外展

2%

其他

34%

的 Python 开发者表示正在实践协作开发。

您通常在哪里学习与 Python 开发相关的新工具和技术?100+

55%

文档和 API

45%

YouTube

44%

Python.org

42%

Stack Overflow

41%

博客

28%

书籍

19%

AI 工具

14%

在线编码学校和 MOOC

14%

会议/活动

13%

播客

使用 Python 的目的

我们在这一部分提出了一些问题,试图了解人们使用 Python 的目的、参与的开发类型,及其结合多种用途的方式。

您主要出于什么目的使用 Python?

51%

用于工作和个人

28%

用于个人、教育或编外项目

21%

用于工作

按年显示的 Python 使用率100+

2021 年2022 年2023 年
51%51%44%数据分析
45%43%42%Web 开发
36%36%34%机器学习
27%数据工程
36%34%26%DevOps/系统管理/编写自动化脚本
31%30%25%Web 解析器/采集器/抓取工具编程
25%学术研究
26%25%23%软件测试/编写自动化测试
27%27%22%教育目的
21%设计/数据可视化
22%20%19%软件原型设计
19%19%15%桌面开发
18%17%14%网络编程
12%13%10%计算机图形
10%9%10%游戏开发
8%MLOps
5%6%7%多媒体应用程序开发
7%8%7%嵌入式开发
6%6%6%移动开发
7%6%6%其他
051%

请注意,列表在 2023 年进行了扩展,添加了新选项。

Python 作为主要语言与作为辅助语言的使用100+

44%

40%

数据分析

44%

33%

Web 开发

34%

29%

机器学习

28%

20%

数据工程

26%

21%

学术研究

26%

26%

DevOps/系统管理/编写自动化脚本

25%

23%

Web 解析器/采集器/抓取工具编程

您最常使用 Python 做什么?

21%

Web 开发

10%

机器学习

10%

数据分析

9%

学术研究

9%

教育目的

7%

DevOps/系统管理/编写自动化脚本

6%

数据工程

您参与以下活动的程度如何?

Web 开发

数据分析

机器学习

数据工程

学术研究

DevOps/系统管理/编写自动化脚本

教育目的

软件测试/编写自动化测试

软件原型设计

设计/数据可视化

Web 解析器/采集器/抓取工具编程

桌面开发

网络编程

Python 版本

Python 3 与 Python 2

2023 年

2022 年

2021 年

2020 年

2019 年

2018 年

2017 年

几乎一半的 Python 2 支持者年龄在 21 岁以下,三分之一是学生。也许教学课程仍在使用 Python 2?

Python 3 版本100+

2021 年2022 年2023 年
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 或更低版本
045%

注意:2023 年,Python 3.7 及以下版本已达到其生命周期末尾。Python 3.12 于 2023 年 10 月发布(本次调查开始前 1 个月),并且已经被广泛采用。在本次调查中,使用 Python 3.13 的开发者正在使用 alpha 版本。

几乎 75% 的用户使用 Python 的最新 3 个版本。这是好消息!由于最新版本的 Python 在性能和便利性方面的改进,社区采用得很快。

Python 安装和升级100+

31%

Python.org

24%

操作系统级软件包管理工具

17%

pyenv

16%

Docker 容器

14%

Anaconda

5%

从源代码构建

4%

通过云提供商自动升级

注意:Enthought 的份额不到 0.5%,已被合并到“其他”中。

框架和库

Web 框架100+

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%

其他

23%

请注意,列表在 2023 年进行了扩展,添加了新选项。

Web 框架100+

36%

42%

Flask

31%

46%

FastAPI

31%

40%

Requests

26%

63%

Django

18%

29%

Asyncio

16%

4%

Streamlit

12%

43%

Django REST Framework

Web 框架被广泛使用,包括 77% 的数据科学家和 97% 的 Web 开发者。

Vladimir Sotnikov
JetBrains 计算艺术计划开发主管

“虽然机器学习开发者更少使用适用于全面 Web 应用开发的 Django 框架,但他们使用 Flask 和 FastAPI(都适合构建 RESTful API)的程度几乎和 Web 开发者一样高。这表明机器学习专业人士积极参与 Web 开发,但主要是通过 API 驱动的服务而不是传统的网站创建。”

LinkedInGoogle Scholar

您可以在 2023 Django 开发者调查中找到关于 Django 概况的更多信息,该调查是与 Django Software Foundation 合作开展的。

其他框架和库100+

31%

BeautifulSoup

28%

Pillow

22%

OpenCV-Python

22%

Pydantic

17%

Tkinter

12%

PyQT

11%

Scrapy

单元测试框架100+

52%

pytest

25%

unittest

11%

mock

9%

doctest

5%

tox

5%

Hypothesis

2%

nose

云平台

云平台使用情况100+

2021 年2022 年2023 年
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%其他
39%34%33%
<1%39%

请注意,列表在 2023 年进行了扩展,添加了新选项。

Mukul Mantosh
JetBrains Web 和数据推广技术布道师

“在 Azure 推出其 OpenAI 服务后,AWS 和 Google 迅速发布了 Bedrock 和 Gemini。”

LinkedInX(以前称为 Twitter)

Sarah Boyce
Django Fellow

“Google Cloud Platform 越来越受欢迎,特别是在美国有 38% 的受访者使用该平台,并击败 AWS 成为第一大云提供商。

在 Heroku 取消免费产品方案后,它的用户占比从 2021 年的 14% 下降到 2023 年的 7%。”

MastodonLinkedIn

Jay Miller
Aiven 资深技术布道师

“我认为围绕定价和收购的重大商业决策对部署情况产生了一定影响。

Heroku 的定价决定似乎受到很大打击,但看起来没有一个明显的赢家(也许除了 PythonAnywhere)。”

LinkedInKjaymiller

您如何在云中运行代码?100+

47%

在容器内

42%

在虚拟机中

25%

无服务器

26%

在平台即服务上

2%

其他

8%

Mukul Mantosh
JetBrains Web 和数据推广技术布道师

“根据 2022 年的 CNCF 调查,大约 44% 的用户已将大部分生产工作负载转移到容器中,另有 9% 仍处于评估阶段。”

LinkedInX(以前称为 Twitter)

45%

的 Python 程序员表示使用 Kubernetes 在容器中运行代码。

您使用以下哪项?100+

49%

Amazon Elastic Kubernetes Service

33%

Google Kubernetes Engine

21%

Azure Kubernetes Service

10%

RedHat OpenShift

16%

其他

Mukul Mantosh
JetBrains Web 和数据推广技术布道师

“我主要依靠 Amazon EKS 管理容器工作负载,因为它可以提供与 AWS 服务的无缝集成。此外,我还探索了提供类似体验的 Google Kubernetes Engine (GKE)。不过,我发现 GKE Autopilot 特别有吸引力,因为它可以处理集群配置、节点管理、扩缩、安全和其他预定义设置 – 全部由 Google 管理。”

LinkedInX(以前称为 Twitter)

您如何进行云开发?100+

49%

使用 virtualenv

38%

在 Docker 容器中

23%

在虚拟机中

20%

使用本地系统解释器

16%

在远程开发环境中

14%

使用 WSL

10%

直接在生产环境中

2%

其他

Mukul Mantosh
JetBrains Web 和数据推广技术布道师

“我很喜欢 AWS Toolkit 和 Cloud Code 插件带来的便利,这让我能轻松构建无服务器应用程序。另外,像 LocalStack 这样的框架可以让你完全在本地机器上执行 AWS 应用程序或 Lambda,从而无需连接到远程云提供商。”

LinkedInX(以前称为 Twitter)

数据科学

48%

的受访 Python 开发者参与数据探索和处理。

数据探索和处理工具

77%

pandas

72%

NumPy

16%

Spark

14%

Airflow

10%

Polars

9%

内部解决方案

7%

Dask

Jodie Burchell
JetBrains 数据科学推广技术布道师

“虽然 pandas 仍然是数据探索和处理任务的核心主力,但少数人也在使用 Spark、Dask 和 Ray 等分布式数据处理库,这表明他们正在处理大数据。作为无需离开本地机器即可处理更大数据集的方法,Polars 的人气持续增长。”

LinkedInX(以前称为 Twitter)Mastodon博客

仪表板创建库100+

31%

Plotly Dash

28%

Streamlit

12%

Panel

12%

Gradio

4%

Voilà

13%

其他

26%

25% 的受访者表示他们创建仪表板。Plotly Dash 和 Streamlit 是此类任务的前两大选择。

32%

的 Python 开发者表示训练机器学习模型或从中生成预测。scikit-learn 和 PyTorch 是用于这些任务的前两大解决方案。

机器学习模型训练和预测框架
100+

67%

scikit-learn

60%

PyTorch

48%

TensorFlow

44%

SciPy

30%

Keras

22%

Hugging Face Transformers

22%

XGBoost

训练平台100+

52%

Jupyter Notebook

11%

Amazon Sagemaker

10%

带有 SSH 的云虚拟机

9%

AzureML

6%

Databricks

Jodie Burchell
JetBrains 数据科学推广技术布道师

“大多数参与机器学习工作的人都在使用 scikit-learn 和 SciPy,这表明传统机器学习和统计学在数据科学中仍然发挥着重要作用。不过,深度学习库也很受欢迎,例如 PyTorch、Tensorflow、Keras 和 Hugging Face Transformers,这可能反映了生成式 AI 和大语言模型最近收获的关注。”

LinkedInX(以前称为 Twitter)Mastodon博客

实验跟踪工具100+

26%

TensorBoard

19%

MLflow

12%

Weights & Biases

4%

CometML

4%

NeptuneML

2%

其他

12%

内部解决方案

44%

Google 于 2024 年 1 月 1 日弃用 TensorBoard.dev(一键发布 TensorBoard 数据的服务)。我们可以预计其他选项在 2024 年变得更受欢迎。

数据版本控制工具100+

14%

内部解决方案

7%

Dalta Lake

7%

DVC

4%

Pachyderm

3%

其他

69%

18%

的受访开发者参与机器学习部署和推断工作。

您是否处理大数据?

Jodie Burchell
JetBrains 数据科学推广技术布道师

“有少数人不确定自己是否与大数据打交道,这反映了这一术语的模糊性,特别是随着个人电脑硬件越来越强大。”

LinkedInX(以前称为 Twitter)Mastodon博客

大数据工具100+

36%

PySpark

6%

PyFlink

8%

Great Expectations

3%

PyDeequ

5%

其他

50%

用于处理大数据的解决方案100+

34%

28%

自托管

25%

两者

13%

开发工具

操作系统100+

55%

Linux

55%

Windows

29%

macOS

2%

BSD

1%

其他

使用 Linux 作为开发环境的开发者比例逐年下降:与 2021 年相比,下降了 8 个百分点。

用于部署和推断的平台与工具100+

18%

Hugging Face

17%

Amazon Sagemaker

15%

MLflow

13%

AzureML

9%

Databricks

8%

VertexAI

7%

Kubeflow

7%

Nvidia Triton

ORM100+

2021 年2022 年2024 年
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%其他
36%34%41%我不参与数据库开发
041%

不进行任何数据库开发的人员比例比去年增加了 7 个百分点。

ORM100+

43%

9%

我不参与数据库开发

36%

54%

SQLAlchemy

15%

57%

Django ORM

13%

15%

Raw SQL

Vladimir Sotnikov
JetBrains 计算艺术计划开发主管

“数据科学家使用数据库的频率比 Web 开发者低得多。随着向量数据库在 LLM 应用中越来越受欢迎,这种情况可能会在 2024 年发生变化。”

LinkedInGoogle Scholar

数据库100+

2021 年2022 年2023 年
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%其他
19%18%20%
0%43%

请注意,列表在 2023 年进行了扩展,添加了新选项。

PostgreSQL 连续三年成为 Python 用户中最受欢迎的数据库。

持续集成 (CI) 系统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
JetBrains Web 和数据推广技术布道师

“GitHub Actions 是我非常依赖的工具。从开发者的角度来看,我不需要 DevOps 或 CI 专家。它是一个直观的 YAML 文件,可以简化运行管道的流程。”

LinkedInX(以前称为 Twitter)

文档工具100+

43%

Markdown

25%

Swagger

16%

Sphinx

14%

Postman

13%

Wiki

7%

MKDocs

7%

rST

配置管理工具100+

16%

Ansible

5%

Puppet

3%

Chef

3%

Salt

8%

自定义解决方案

3%

其他

67%

主要 IDE/编辑器

41%

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%

其他

5%

为了确定最受欢迎的编辑器和 IDE,我们提出了一个单选问题“您为当前的 Python 开发使用的主要编辑器是什么?”。

68% 的 PyCharm 用户选择 PyCharm Professional Edition。

数据科学与 Web 开发

44%

46%

Visual Studio Code

27%

37%

PyCharm

7%

0%

Jupyter Notebook

只有 6% 的 VS Code 用户使用 VS Code Data Wrangler。同时,51% 的用户使用 VS Code 提供的 Jupyter 支持。

IntelliJ IDEA 和 PyCharm 中的 Jupyter 支持分别被 34% 和 47% 的用户使用。

除主要 IDE/编辑器外使用的 IDE/编辑器100+

22%

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

使用的 IDE/编辑器数量

23%

1

38%

2

21%

3

19%

4+

根据我们的数据,40% 的受访者使用 3 个或更多 IDE/编辑器进行 Python 开发,与同时使用 2 个 IDE/编辑器的比例非常接近。

Python 打包

您使用以下哪种(哪些)工具隔离项目之间的 Python 环境?100+

2021 年2022 年2023 年
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%其他
15%15%11%我不使用任何工具隔离 Python 环境
1%55%

您使用哪种(哪些)工具管理依赖项?100+

77%

Pip

19%

Conda

19%

Poetry

9%

pip-tools

9%

Pipenv

3%

Hatch

3%

PDM

2%

其他

6%

您的应用程序依赖项信息以什么格式存储?100+

63%

requirements.txt

32%

pyproject.toml

17%

setup.py

8%

Pipfile

8%

environment.yml

8%

setup.cfg

您从哪里安装软件包?100

80%

PyPI

28%

GitHub

16%

Anaconda

14%

本地源

10%

从 Linux 发行版

10%

PyPI 的内部镜像

10%

私有 Python Package Index

Dmitry Ustalov
JetBrains AI 评估团队主管

“虽然 PyPI 和 GitHub 很方便,但你要确保软件供应链得到控制。”

详细了解供应链攻击

LinkedInGitHub

您从哪里安装软件包?100

80%

90%

PyPI

30%

25%

GitHub

27%

6%

Anaconda

14%

10%

本地源

13%

2%

其他 Conda 渠道

Vladimir Sotnikov
JetBrains 计算艺术计划开发主管

“显然,机器学习开发者经常使用 Anaconda。有趣的是,他们也经常使用 GitHub 进行软件包安装。这是因为许多 Python 机器学习库包含用于 C/C++ 的二进制文件,这些二进制文件需要针对特定 Nvidia CUDA 版本和硬件配置进行原生编译,因此 PyPI 并不实用甚至完全无法用于此类目的。”

LinkedInGoogle Scholar

25%

的受访者表示已经将自己开发的 Python 应用程序打包并发布到软件包仓库。

您使用哪种(哪些)工具创建 Python 库的软件包?100

53%

Twine

33%

Poetry

9%

Flit

9%

Hatch

6%

PDM

9%

其他

Jay Miller
Aiven 资深技术布道师

“过去一年中,这方面已经有过大量讨论(*)!我很期待看到这种趋势在未来继续发展。”

LinkedInKjaymiller

对 Python 打包工具的公正评估

Python 打包策略讨论

评估 Python 软件包并庆祝 PyCon US 20 周年

Uv – 另一个用于替代 Pip 的 Rust 工具

Vladimir Sotnikov
JetBrains 计算艺术计划开发主管

“如我们在去年的调查中所发现的一样,Poetry 越来越受欢迎。与 pip 相比,依赖项冲突解决是一项可以节省大量时间的功能。”

LinkedInGoogle Scholar

您是否在容器中使用虚拟环境?

31%

47%

不支持

1%

其他

21%

我不使用容器进行 Python 开发

16%

的受访者使用 C、C++、Rust 或 Go 等其他语言为 Python 构建二进制模块。

用于为 Python 构建二进制模块的语言100+

55%

C++

44%

C

27%

Rust

9%

Go

7%

C#/.NET

5%

Fortran

3%

汇编

5%

其他

统计数据

性别

此问题为选答题。

年龄范围

8%

18-20 岁

32%

21-29 岁

33%

30-39 岁

16%

40-49 岁

7%

50-59 岁

3%

60 岁或以上

团队工作与独立工作

参与项目

就业状况

62%

公司/组织全职员工

12%

学生

6%

个体户

6%

自由职业者

5%

在职学生

4%

公司/组织兼职员工

1%

退休

4%

目前失业

1%

其他

工作角色100+

62%

开发者/程序员

16%

团队负责人

15%

数据科学家

15%

数据工程师

14%

架构师

12%

数据分析师

10%

机器学习工程师/MLOps

9%

学术研究员

8%

技术支持

6%

系统分析师

6%

首席信息官/首席执行官/首席技术官

5%

产品经理

4%

DBA

4%

QA 工程师

4%

技术撰稿人

公司规模

7%

只有我

10%

2-10 人

16%

11-50 人

25%

51-500 人

9%

501–1,000 人

12%

1,001–5,000 人

18%

超过 5,000 人

3%

不确定

团队规模

69%

2–7 人

19%

8–12 人

7%

13–20 人

2%

21–40 人

3%

超过 40 人

Jay Miller
Aiven 资深技术布道师

“随着裁员和科技就业市场人数的增加,我很好奇 Python 程序员的表现。看来,过去几年里团队构成没有太大变化,只是 21–40 人的团队受到了冲击。”

LinkedInKjaymiller

公司行业

38%

信息技术/软件开发

6%

科学

6%

教育/培训

6%

会计/金融/保险

4%

制造业

4%

医疗/卫生

4%

银行业/房地产/抵押融资

2%

销售/分销/业务开发

2%

安全

2%

物流/运输

2%

市场营销

2%

非营利

您在哪个国家/地区?

20%

美国

9%

印度

6%

德国

4%

英国

4%

法国

4%

中国大陆

3%

俄罗斯联邦

3%

巴西

3%

加拿大

2%

意大利

2%

波兰

2%

西班牙

38%

其他

所有不足 1% 的国家/地区都已合并到“其他”。

方法和原始数据

想进一步挖掘数据吗?下载匿名调查回复,看看您能学到什么!在 X(以前称为 Twitter) 上使用话题标签 #pythondevsurvey 提及 @jetbrains@ThePSF,分享您的发现和见解。

在剖析这些数据之前,请注意以下要点:

数据集仅包括来自官方 Python Software Foundation 渠道的回复。滤除重复和不可信的回复后,数据集包括 2023 年 11 月至 2024 年 2 月收集的超过 25,000 份回复,调查在 python.orgPSF 博客、官方 Python 邮寄名单和 Python 相关 subreddit 以及 PSF 的 Twitter 账号LinkedIn 帐号上进行了推广。为了防止调查偏向于任何特定的工具或技术,未使用任何与产品、服务或供应商相关的渠道收集回复。

数据均已匿名处理,不含个人信息或详细地理位置信息。为了防止经评论识别任何个别受访者身份,已删除所有开放式字段。

为了帮助您更好地理解调查的逻辑,我们将共享数据集、调查问题和调查逻辑。我们对答案选项采用了不同的排序方式(字母排序、随机排序和直接排序)。每个问题的答案顺序都经过特殊指定。

回复滤除标准

满足以下任何一项
  • 未满 18 岁。
  • 没有回答调查第三页上的“您有多少年的专业编码经验?”这个问题。
  • 年龄在 21 岁以下,并拥有 11 年以上的专业编码经验。
  • 多项选择题的单选回答太多(不包括回答“无”)。
  • 来自相同电子邮件地址的多个回复(仅使用一个回复)。
  • 不使用 Python。

至少满足以下两项
  • 使用超过 16 种编程语言。
  • 超过 9 种工作角色。
  • 回答“您使用 Python 做什么?”时选择了超过 11 个选项。
  • 所选国家/地区按字母顺序排在列表顶部,不在热门国家/地区之列。
  • 同时担任首席执行官和技术支持工作角色。
  • 担任首席执行官而未满 21 岁。
  • 总体选择的答案太多(几乎使用了数据科学、Web 开发、打包等的所有框架)。
  • 回答太快(每个问题不到 5 秒)。

我们再次代表 Python Software Foundation 和 JetBrains 感谢参与本次调查的所有人。在你们的帮助下,我们得以更准确地描绘 Python 社区的概况!

PSF 的经常性捐款活动做出贡献。PSF 是一个完全由赞助商、会员和公众支持的非营利组织。

查看 202220212020201920182017 年的 Python 开发者调查结果。

探索 JetBrains 的其他大型调查报告

感谢您的参与!

我们希望您觉得我们的报告很有用。与您的朋友和同事分享这份报告。

参加今后的调查:

如果您对本次调查有任何疑问或对未来的调查有任何建议,请发送电子邮件至 surveys@jetbrains.com 或 psf@python.org 与我们联系。