Python软件基金会(PSF)与工具供应商JetBrains联合发布了第八届Python开发者调查报告,吸引了超过3万名开发者参与,创下历史新高。
调查于2024年底进行,下载的原始数据显示约有2.9万份回复,差异可能来自PSF过滤垃圾信息和未成年人回复。72%的受访者在工作中使用Python,其余为教育或爱好开发者。
调查显示Python受欢迎程度强劲增长的明显迹象,这与最新Stack Overflow调查显示的7%使用增长相符。50%的受访者专业编程经验不足两年,39%在过去两年内开始使用Python,表明有许多新的Python开发者加入。
PSF会员Michael Kennedy观察到,只有15%的开发者使用最新的通用版本3.13。他声称,如果所有人都升级,可能节省数百万美元的云使用费用,并因效率提升而对环境有益。此外,由于大多数开发者使用容器(53%)或无服务器(28%),升级应该很容易。
然而,开发者们表示不升级的原因包括:当前版本满足所有需求(53%)、兼容性问题(27%)或缺乏时间(25%)。
实际上,Python开发者升级相对较快。使用最广泛的版本是3.12(35%),于2023年底首次发布,其次是3.11(21%)。这与去年的模式相似,当时版本3.11和3.10最常用。
**Web开发占Python使用的重要份额,略落后于数据科学**
Python在Web开发中的使用(46%)几乎与数据分析(48%)持平,两者较前一年略有上升。如果加上机器学习(41%)和数据工程(31%)等其他数据科学用途,数据科学领域可能仍占主导地位。
深入分析,Django(35%)和Flask(34%)在Web框架中几乎并列,而FastAPI(38%)从上次调查的29%急剧上升。作为API框架,FastAPI不能与其他两个领先者直接比较,但其增长值得关注。
另一个快速增长的工具是uv,这是一个基于Rust的工具,定位为pip包管理器的替代品。uv项目声称比pip快10到100倍,功能更全面,使用率已跃升至11%。
在工具方面,赞助商JetBrains的坏消息是,微软的Visual Studio Code(48%)相对于该公司自己的IDE PyCharm(25%)进一步扩大了受欢迎程度的领先优势。上次调查时,比例分别为41%和31%。
尽管Python使用量激增,PSF本月早些时候报告称,由于资金不足,已暂停其资助计划。这主要由于PyCon US活动运营成本上升以及基金会成本增加。2024年年报显示,虽然收入从2023年到2024年略有上升,但支出增加更多,导致净收入为负146.2万美元(2023年为负22.5万美元)。
PSF以多种方式支持Python,包括托管PyPI包存储库、分发Python、举办活动和雇用CPython开发者。
解决方案是什么?社区沟通经理Marie Nordin表示:"PSF需要更多基于Python构建并从中获得收入的企业提供支持和资源。"
Q&A
Q1:Python软件基金会为什么暂停资助计划?
A:PSF因为资金不足暂停了资助计划,主要原因是PyCon US活动运营成本上升以及基金会整体成本增加。2024年净收入为负146.2万美元,相比2023年的负22.5万美元情况进一步恶化。
Q2:为什么只有15%的开发者使用Python最新版本3.13?
A:开发者不升级的主要原因包括:当前版本满足所有需求(53%)、兼容性问题(27%)或缺乏时间(25%)。尽管升级可能节省云使用费用并提高效率,但开发者更倾向于使用稳定的旧版本。
Q3:FastAPI为什么增长这么快?
A:FastAPI作为API框架,使用率从上次调查的29%急剧上升至38%。虽然不能与Django和Flask直接比较,但其快速增长反映了现代API开发需求的增加和FastAPI技术优势的认可。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。