JetBrains logo

2024 Python 开发者调查结果

这是由 Python Software Foundation 和 JetBrains PyCharm 共同开展的第八次年度 Python 开发者调查。

回复于 2024 年 10 月至 11 月收集,来自近 200 个国家和地区的超过 30,000 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 2023202220212020201920182017 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

86%

主要

14%

辅助

Python 与其他语言的使用100 多个

0%

50%

2021 年2022 年2023 年2024 年

所有占比低于 2% 的选项均已合并到“其他”。

数据科学与 Web 的语言100 多个

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#

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机器学习的人群。

Python 与其他语言的使用100 多个

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%

的受访 Python 开发者进行协作开发,比去年下降了 7 个百分点。

这种下降可能是由于远程工作疲劳,开发者更喜欢个人工作流,或者是回到办公室环境中,协作动态有所变化。

您有多少年的专业编码经验?

31%

不足 1 年

19%

1-2 年

20%

3-5 年

13%

6-10 年

17%

11 年以上

您使用 Python 编程有多长时间了?

21%

不足 1 年

18%

1-2 年

30%

3-5 年

19%

6-10 年

12%

11 年以上

您是否知道 Python 是学习编码时最受欢迎的语言?

每五位受访者中就有一位使用 Python 编程不满一年,而全球超过三分之二的计算机科学学习者报告在过去一年中使用 Python 进行学习和工作。

想深入了解计算机科学教育的世界吗?

查看我们的 2024 计算机科学学习曲线调查报告,探索当前趋势 – 从学习形式和工具,到动机、职业目标和常见挑战。

32%

的 Python 爱好者报告去年为开源项目做出了贡献。

您如何描述自己在过去一年中对开源的贡献?100 多个

78%

编码

40%

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

您通常在哪里学习与 Python 开发相关的新工具和技术?100 多个

55%

58%

文档和 API

45%

51%

YouTube

44%

41%

Python.org

42%

43%

Stack Overflow

41%

38%

博客

28%

22%

书籍

19%

27%

AI 工具

14%

13%

在线编码学校和 MOOC

AI 作为学习 Python 的新工具和技术的方法,正日益受到欢迎。从 2023 年至 2024 年,报告使用 AI 学习新工具和技术的学习者比例从 19% 上升到了 27%。

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

大多数 AI 工具的训练截止日期通常在一两年前,并偏爱有大量样本和现有代码的库,因此这种发现机制对拥有较长历史的软件包有较强的偏向性。

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?

52%

用于工作和个人

28%

用于个人、教育或编外项目

20%

用于工作

您使用 Python 做什么?100 多个

0%

60%

2021 年2022 年2023 年2024 年

Python 作为主要语言与作为辅助语言的使用100 多个

49%

42%

数据分析

48%

34%

Web 开发

42%

33%

机器学习

33%

22%

数据工程

28%

23%

网页抓取与解析

28%

23%

学术研究

26%

25%

DevOps/系统管理

您最常使用 Python 做什么?

21%

23%

Web 开发

10%

13%

机器学习

10%

10%

数据分析

9%

8%

学术研究

9%

8%

教育目的

7%

6%

DevOps/系统管理/编写自动化脚本

6%

7%

数据工程

在此问题中,我们要求受访者选择仅一项主要活动。

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

4%

的受访 Python 开发者继续使用 Python 2。

Python 3 版本

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 或更低版本

Hugo van Kemenade
PSF 研究员,Python 开源维护者,CPython 核心开发者和 PEP 编辑

与过去两年一样,看到仅有 6% 的人在使用即将结束支持的 Python 版本(目前为 3.8 及以下)是件好事,大多数人正在采用较新版本,特别是 3.12 的占比最高,尤其考虑到调查仅在 3.13 发布一天后开放。在调查开放的六周期间,已经有 15% 的人主要使用新的 3.13。作为 Python 3.14 的发布经理,我很高兴看到人们已经在尝试新的 Alpha 版本。

Python 安装和升级100 多个

34%

Python.org

24%

操作系统级软件包管理工具

17%

pyenv

17%

我使用 Docker 容器

14%

Anaconda

6%

其他人为我管理 Python 更新

5%

从源代码构建

4%

通过云提供商自动升级

为什么您没有更新到最新版本?100 多个

53%

我正在使用的版本能满足我的所有需求

27%

我的项目与最新的 Python 版本不兼容

25%

我没有时间更新

17%

我担心最新 Python 版本的稳定性

12%

我们组织的政策是只使用特定的 Python 版本

6%

我不知道最新的 Python 版本已经可用

5%

我没有更新我的 Python 版本所需的权限

9%

其他

框架和库

Web 框架100 多个

百分比在每列内计算。

2021 年2022 年2023 年2024 年
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%其他
29%27%23%19%
041%

所有占比低于 2% 的选项均已合并到“其他”。

Web 框架100 多个

41%

56%

FastAPI

37%

39%

Flask

33%

42%

Requests

28%

61%

Django

22%

33%

Asyncio

22%

7%

Streamlit

13%

44%

Django REST Framework

Web 框架交叉使用情况100 多个

百分比在每列内计算。

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%其他
093%
William Vincent
JetBrains 技术布道师

与像 Django 这样的异步可选 Web 框架相比,像 FastAPI 这样的异步优先 Web 框架显示出与像 httpx 这样的异步库更高的交叉使用率。

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 多个

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

单元测试框架100 多个

53%

pytest

23%

unittest

11%

mock

6%

doctest

5%

tox

4%

Hypothesis

2%

nose

2%

其他

36%

Hugo van Kemenade
PSF 研究员,Python 开源维护者,CPython 核心开发者和 PEP 编辑

对于 stdlib 测试库的用户来说有个好消息:Python 3.13 为 doctest 输出添加了颜色,而 Python 3.14 将为 unittest 添加颜色。

您希望在编辑器/IDE 中为哪种(哪些)框架提供丰富的支持?100 多个

34%

FastAPI

31%

Django

29%

pytest

25%

Flask

21%

Pydantic

20%

Requests

19%

Django REST Framework

17%

Asyncio

17%

OpenCV-Python

17%

BeautifulSoup

PyCharm

PyCharm 提供了对后端开发的扩展支持,包括对 Django、FastAPI 和 Flask 的支持。

详细了解如何使用 PyCharm 进行 Web 开发

云平台

云平台使用情况100 多个

请注意,列表在 2023 年进行了扩展,添加了新选项。

0%

45%

2021 年2022 年2023 年2024 年

所有占比低于 2% 的选项均已合并到“其他”。

您如何在云中运行代码?100 多个

53%

在容器内

44%

在虚拟机中

28%

无服务器

20%

在平台即服务上

2%

其他

7%

44%

的受访开发者使用 Kubernetes 在容器中运行代码。

您使用以下哪项?100 多个

51%

Amazon Elastic Kubernetes Service

31%

Google Kubernetes Engine

25%

Azure Kubernetes Service

11%

RedHat OpenShift

15%

其他

您如何进行云开发?100 多个

49%

51%

使用 virtualenv

38%

44%

在 Docker 容器中

23%

23%

在虚拟机中

20%

19%

使用本地系统解释器

16%

16%

在远程开发环境中

14%

15%

使用 WSL

10%

9%

直接在生产环境中

2%

2%

其他

数据科学

51%

的所有受访 Python 开发者参与数据探索和处理,主要使用 pandas 和 NumPy。

数据探索和处理工具

80%

pandas

75%

NumPy

16%

Spark

15%

Polars

15%

Airflow

8%

内部解决方案

7%

Dask

所有占比低于 2% 的选项均已合并到“其他”。

数据版本控制工具

14%

内部解决方案

7%

Delta lake

7%

DVC

4%

Pachyderm

3%

其他

69%

30%

的受访 Python 爱好者表示,他们从事仪表板创建工作,首选工具是 Streamlit 和 Plotly Dash。

仪表板创建库100 多个

33%

Streamlit

28%

Plotly Dash

14%

TensorBoard

11%

Gradio

10%

Panel

4%

Voila

12%

其他

28%

Cheuk Ting Ho
PSF 理事会成员,JetBrains 技术布道师

凭借用户友好性和对 Web 开发知识的要求最低,Streamlit 越来越受欢迎。

商业智能解决方案100 多个

21%

PowerBI

17%

我不确定

11%

Tableau

4%

Looker

4%

Metabase

2%

QlikView

9%

其他

47%

所有占比低于 2% 的选项均已合并到“其他”。

38%

的受访者训练机器学习模型或使用机器学习模型进行预测,比去年增加了 6 个百分点。其中,超过三分之二使用 scikit-learn 和 PyTorch。

机器学习模型训练和预测框架100 多个

67%

68%

SciKit-Learn

60%

66%

PyTorch

48%

49%

TensorFlow

44%

42%

SciPy

30%

30%

Keras

22%

28%

Hugging Face Transformers

22%

23%

XGBoost

所有占比低于 2% 的选项均已合并到“其他”。

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

Hugging Face Transformers 是用于处理公开许可的大语言模型(如 Llama)的最流行库。Hugging Face Diffusers 是用于处理像 Stable Diffusion 这样的模型生成图片和视频的主要库。Transformers 和 Diffusers 都与 PyTorch 深度集成。

Cheuk Ting Ho
PSF 理事会成员,JetBrains 技术布道师

PyTorch 现在由 Linux Foundation 管理,看起来今年变得更受欢迎。

机器学习模型训练或预测框架的交叉使用情况100 多个

百分比在每列内计算。

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%

实验跟踪工具100 多个

24%

TensorBoard

22%

MLFlow

13%

Weights & Biases

12%

内部解决方案

3%

NeptuneML

3%

CometML

2%

其他

45%

TensorBoard.dev 已被弃用,但 TensorBoard 仍然是实验跟踪的首选。在主流机器学习框架内的深度集成、丰富的可视化以及灵活的本地设置,其在开发者和研究人员中被广泛使用。

训练平台100 多个

50%

Jupyter Notebook

19%

内部解决方案

11%

Amazon Sagemaker

9%

带有 SSH 的云虚拟机

9%

AzureML

6%

Databricks

6%

VertexAI

21%

的受访 Python 开发者从事机器学习部署和推断工作。有趣的是,这项任务中最受欢迎的工具是内部解决方案。

部署与推断平台100 多个

26%

内部解决方案

24%

Hugging Face

19%

Amazon Sagemaker

16%

MLFlow

14%

AzureML

9%

Databricks

9%

VertexAI

7%

Nvidia Triton

6%

Kubeflow

您或贵公司是否使用工具/平台来处理云中的 ML 工作负载?

计算成本如何影响您对用于处理云中的 ML 工作负载的工具或平台的选择?

46%

它们很重要,但我在性能和功能之间做出了权衡

33%

它们是首要因素;我总是力求将成本降至最低

12%

相对于易用性和集成等其他因素而言,它们是次要的

8%

成本不是主要考虑因素

您对基于云的 ML 计算资源的月度预算一般是多少?

27%

不到 1,000 美元

17%

1,000-5,000 美元

8%

5,000-10,000 美元

5%

10,000-25,000 美元

7%

超过 25,000 美元

37%

我不确定

16%

的受访者从事大数据工作,其中大多数偏好使用云解决方案。在大数据工具中,PySpark 最受欢迎,被 40% 的受访者使用。

大数据工具100 多个

36%

40%

PySpark

8%

7%

Great Expectations

6%

6%

PyFlink

3%

4%

PyDeequ

5%

4%

其他

50%

49%

用于处理大数据的解决方案100 多个

34%

28%

自托管

25%

两者

13%

开发工具

操作系统100 多个

59%

Linux

58%

Windows

27%

macOS

2%

BSD

1%

其他

用于编码和其他开发相关活动的 AI 工具100 多个

82%

ChatGPT

39%

GitHub Copilot

23%

Google Gemini

17%

Anthropic Claude

13%

Visual Studio IntelliCode

12%

Microsoft 365 Copilot

12%

VS Code 中的 CodeGPT 插件

9%

JetBrains AI Assistant

8%

Code Llama

7%

Codeium

7%

Tabnine

ORM100 多个

41%

59%

SQLAlchemy

15%

56%

Django ORM

12%

14%

Raw SQL

10%

14%

SQLModel

所有占比低于 2% 的选项均已合并到“其他”。

与去年相比,参与数据库开发的数据科学家的比例增加了 4 个百分点。

这种变化是否是由于在 LLM 应用中越来越多地使用向量数据库?

ORM100 多个

34%

39%

SQLAlchemy

25%

26%

Django ORM

13%

12%

Raw SQL

7%

10%

SQLModel

数据库100 多个

43%

49%

PostgreSQL

34%

37%

SQLite

30%

31%

MySQL

17%

18%

Redis

17%

19%

MongoDB

10%

11%

MariaDB

10%

12%

MS SQL Server

所有占比低于 2% 的选项均已合并到“其他”。

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

PostgreSQL 是一个维护得非常好的开源项目 – 已有 28 年历史,市场份额仍在增长!

持续集成 (CI) 系统100 多个

35%

GitHub Actions

22%

Gitlab CI

12%

Jenkins/Hudson

8%

Azure DevOps

5%

AWS CodePipeline / AWS CodeStar

所有占比低于 2% 的选项均已合并到“其他”。

三分之二的 Python 开发者经常使用持续集成系统。

GitHub Actions 领衔,其后是 GitLab CI/CD 和 Jenkins/Hudson。

配置管理工具100 多个

15%

Ansible

8%

自定义解决方案

4%

Puppet

2%

Chef

2%

Salt

3%

其他

71%

文档工具100 多个

43%

44%

Markdown

25%

29%

Swagger

16%

15%

Sphinx

14%

15%

Postman

13%

11%

Wiki

您通常如何处理一个 Python 文件?100 多个

58%

我在 IDE 中打开包含该文件的整个项目

13%

我使用命令行编辑器

13%

我在 IDE 中仅打开该文件

11%

我使用轻量级文本编辑器

2%

其他

4%

我通常不需要打开或编辑单个 Python 文件

主要 IDE/编辑器

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?”。

48%

Visual Studio Code

25%

PyCharm

4%

Neovim

4%

Jupyter Notebook

3%

Vim

1%

Python Tools for Visual Studio

14%

其他

3%

所有占比低于 1% 的选项均已合并到“其他”。

数据科学与 Web 开发

44%

46%

Visual Studio Code

27%

37%

PyCharm

7%

0%

Jupyter Notebook

2%

0%

Spyder

在 VS Code 用户中,Data Wrangler 扩展程序的使用率为 11%,而 53% 的用户利用 IDE 的 Jupyter 支持。

PyCharm

相比之下,33% 的 IntelliJ IDEA 用户和 37% 的 PyCharm 用户使用 Jupyter 支持。

详细了解 Jupyter Notebook 支持和 PyCharm 为数据专业人士提供的其他功能。

80%

的受访 Python 开发者在使用主要 IDE 或编辑器的同时还使用其他 IDE 或编辑器,其中 42% 同时使用三款或更多。

除主要 IDE/编辑器外使用的 IDE/编辑器100 多个

22%

Visual Studio Code

21%

Jupyter Notebook

19%

PyCharm

16%

Vim

13%

NotePad++

12%

JupyterLab

8%

Sublime Text

8%

Nano

6%

Neovim

6%

IDLE

所有占比低于 1% 的选项均已合并到“其他”。

使用的 IDE/编辑器数量

20%

1

38%

2

22%

3

20%

>3

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 多个

55%

62%

venv

28%

25%

virtualenv

20%

19%

Conda

18%

18%

Poetry

9%

8%

Pipenv

11%

uv

Charlie Marsh
Astral 创始人,Ruff 和 uv 缔造者

Rust 使我们能够为 Python 构建性能卓越的工具,特别是在软件包管理领域,看到这个基础架构在一年之内产生影响并被迅速采用,真是难以置信。

Dmitry Ustalov
JetBrains AI 评估团队主管

我们目前观察到使用 Rust 实现的新一代出色的 Python 工具:uv、Ruff 和 Polars。这目前是 Python 中的最大趋势之一。

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

uv 在发布的第一年(2024 年 2 月首次发布)就达到了 11%,这是一个显著的成就。

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

我最近开始在一个编外项目中使用 uv,而且非常喜欢它!

LinkedInGoogle Scholar

PyCharm

PyCharm 提供了 uv 集成,借助此集成,您可以从头创建新环境并将 uv 应用于现有环境。

您使用哪种(哪些)工具管理依赖项?100 多个

77%

74%

pip

19%

20%

Poetry

19%

18%

Conda

12%

uv

9%

8%

Pipenv

9%

9%

pip-tools

Seth Larson
PSF 的常驻安全开发者,PSF 研究员

从供应链安全的角度来看,很高兴看到支持将依赖项锁定到校验和与版本的依赖项管理工具的采用。所有 Python 应用程序都应使用这些工具之一,例如 pip-tools、Poetry 或 uv。

您的应用程序依赖项信息以什么格式存储?100 多个

63%

59%

requirements.txt

32%

36%

pyproject.toml

17%

16%

setup.py

11%

12%

我不存储依赖项信息

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

pyproject.toml PEP 621 于 2020 年 11 月被接受。很高兴看到这一现代 Python 打包标准的持续采用。

simonwillison.netGitHubLinkedInMastodonBluesky

您从哪里安装软件包?100

80%

75%

PyPI

28%

29%

GitHub

16%

16%

Anaconda

14%

14%

本地源

10%

10%

私有 Python Package Index

10%

11%

从 Linux 发行版

10%

11%

PyPI 的内部镜像

Charlie Marsh
Astral 创始人,Ruff 和 uv 缔造者

作为用户,PyPI 的速度与稳定性持续给我留下了深刻印象。它是整个 Python 生态系统的基础架构,团队在维持生态系统运行方面做得非常出色。

Cheuk Ting Ho
PSF 理事会成员,JetBrains 技术布道师

这显示了 PyPI 的重要性,因为大多数开发者都是从中安装他们的软件包。维护其安全性一直是 PSF 的重点,社区也需要支持这一努力。

您从哪里安装软件包?100

73%

83%

PyPI

29%

25%

GitHub

27%

6%

Anaconda

15%

10%

本地源

13%

11%

PyPI 的内部镜像

11%

12%

私有 Python Package Index

10%

2%

其他 Conda 渠道

Cheuk Ting Ho
PSF 理事会成员,JetBrains 技术布道师

Anaconda 和 Conda 仍然是数据科学家的热门选择,因为它们为数据科学项目提供了稳定的跨平台体验和开箱即用的工具。

26%

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

44%

Twine

31%

PyPI Publish GitHub Action

29%

Poetry

10%

Hatch

5%

Flit

5%

PDM

8%

其他

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

我在我的许多项目中都使用 PyPI Publish GitHub Action。这是一种将软件包发布到 PyPI 的非常高效的方式,并且从 2024 年 11 月开始自动处理数字认证,无需终端用户进行更改。

simonwillison.netGitHubLinkedInMastodonBluesky

您对 Trusted Publishers 有多熟悉?

51%

我从未听说过

33%

我略微知道一些

4%

尝试过,但已不再使用

12%

我目前正在使用

Simon Willison
PSF 理事会成员,Django 联合创建者,Datasette 创始人

Trusted Publishing 提供了一种安全的方式来发布 PyPI 软件包,无需将密码或身份验证令牌复制到 CI 系统中。得益于 PyPI Publish GitHub Action,使用起来非常简单。

Charlie Marsh
Astral 创始人,Ruff 和 uv 缔造者

Trusted Publishing 是过去一年打包生态系统中未受到广泛关注的一项伟大创新。

30%

的受访 Python 开发者在使用单仓库,其中多个软件包或服务存储在一个仓库中,每个都具备自己独立管理的依赖项。

您是否在容器中使用虚拟环境?

35%

42%

不支持

1%

其他

21%

我不使用容器进行 Python 开发

17%

的受访者使用 C++、C 和 Rust 等其他语言构建 Python 二进制模块。有趣的是,Rust 相比去年增加了 6 个百分点。

用于为 Python 构建二进制模块的语言100 多个

55%

54%

C++

44%

45%

C

27%

33%

Rust

9%

10%

Go

Seth Larson
PSF 的常驻安全开发者,PSF 研究员

很高兴看到内存安全语言,例如 Rust、Go 和 C#,与 Python 并行使用。这在很大程度上得益于像 PyO3 和 maturin 这样的高质量社区项目。向这些项目的贡献者致敬。

Cheuk Ting Ho
PSF 理事会成员,JetBrains 技术布道师

Python 和 Rust 相辅相成。Python 是一种高级语言,编码速度快,而 Rust 是编译型语言,执行速度快。PyO3 将两者结合起来,让开发者获得两全其美的效果。

统计数据

性别

此问题为选答题。

年龄范围

9%

18-20 岁

38%

21-29 岁

27%

30-39 岁

15%

40-49 岁

7%

50-59 岁

3%

60 岁或以上

Cheuk Ting Ho
PSF 理事会成员,JetBrains 技术布道师

尽管社区正在努力增强多元化和包容性,我们仍然看到大多数程序员是男性。多元化和包容性是需要继续的倡议。

您在哪个国家/地区?

14%

美国

11%

印度

6%

德国

4%

英国

4%

巴西

4%

法国

3%

中国大陆

所有占比低于 1% 的选项均已合并到“其他”。

Marie Nordin
Python Software Foundation 社区沟通经理

尽管来自美国的回复比例仍然是最高的,但我们非常欣慰地看到我们在 2024 年调查中吸引更多元化受访者的努力取得了成效!

团队工作与独立工作

参与项目

就业状况

59%

公司/组织全职员工

4%

公司/组织兼职员工

6%

个体户

6%

自由职业者

6%

在职学生

12%

学生

4%

目前失业

1%

退休

1%

其他

工作角色100 多个

66%

开发者/程序员

16%

团队负责人

16%

数据工程师

15%

数据科学家

15%

架构师

13%

数据分析师

12%

机器学习工程师/MLOps

公司规模

7%

只有我

12%

2-10 人

17%

11-50 人

24%

51-500 人

7%

501–1,000 人

10%

1,001–5,000 人

18%

超过 5,000 人

4%

不确定

团队规模

70%

2-7 人

19%

8-12 人

6%

13-20 人

3%

21-40 人

2%

超过 40 人

公司行业

41%

信息技术/软件开发

7%

科学

6%

教育/培训

5%

会计/金融/保险

4%

制造业

4%

医疗/卫生

3%

银行业/房地产/抵押融资

所有占比低于 1% 的选项均已合并到“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 2024 年 10 月至 11 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 X 账户和 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 2023202220212020201920182017 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!

加入 JetBrains Tech Insights Lab

参与调查和 UX 研究,让 JetBrains 产品更易用、更强大。参与我们的研究,您还将有机会获得奖励。