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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。