为了深入了解Python开发世界今天的样子。在2017年底，来自近150个不同国家的超过9,500名开发人员参与了此次研讨会，帮助我们绘制出Python社区的准确格局。
Python开发的类型
为了确定最流行的Python开发类型（也称为开发人员角色）以及它们的组合方式，我们提出了两个类似但却不同的问题：“你用Python做什么？”以及多个答案，然后是单个答案“What do你最多使用Python？“。
数据分析和Python的网页开发一样流行。
Web开发是唯一一个有很大差距的类别（54％vs 33％），它们将使用Python作为主要语言的语言与作为补充语言的语言分开。对于其他类型的开发，差异远不那么重要。
有趣的事实
各种研究表明，Python开发人员的数量正在逐年稳步增长。Python流行度的快速增长可以用很多人开始将Python用于数据科学和机器学习的事实来解释。这是Python用户增长最快的部分。
在这个问题中，受访者只能选择一个选项。乍一看，结果表明，网络开发是一个强有力的领导者，26％的数据分析（18％）大幅度跳动。但如果我们仔细观察，还有9％的机器学习。如果我们将数据分析和机器学习整合到一个“数据科学”类别中，这个数字达到了惊人的27％。
比较使用Python作为主要语言和次要语言的人之间的趋势，网站发展差距最大（29％vs 15％）。对于数据分析和机器学习，差异要小得多。相反，更多的DevOps和系统管理员使用Python作为辅助语言（13％）而不是主要语言（8％）。
有趣的事实
大多数受访者低估了参与数据科学的开发人员总数。人们普遍认为Web开发是Python的主要应用程序。虽然这是几年前的事实，但是今天Python数据科学家的数量正在快速增长，并且已经与Web开发人员数量保持一致。
Python框架，库和技术
本节重点介绍Python开发人员使用的各种Python框架，库和技术的流行程度。
Django是41％的Python开发人员使用的最流行的框架。
科学软件包如NumPy / Pandas / Matplotlib合在一起，其次是39％。在角色方面，Django被76％的Web开发人员选中，但只有31％的人选择了主要参与数据科学的人员。奇怪的是，29％的网页开发人员正在使用科学图书馆。这证实了两个角色之间的强烈重叠。
除了Python之外，还使用了哪些其他技术？（多个答案）
Jupyter Notebook是与Python一起使用的最流行的技术。
由于涉及数据科学的大量开发人员，这是预期的。Docker仅以2％的速度落后于29％。根据角色分析，Docker被大多数参与Web开发的人中有47％使用，但只有23％的数据科学家使用Docker。同样，AWS开发者，Google App Engine，Heroku等云平台的使用频率是网络开发者的两倍，而不是数据科学家。
我们已经确定了用于使用Python进行开发的工具和功能的相对流行度：代码自动完成，代码重构，编写单元测试以及使用Python项目的虚拟环境占据了首要位置。
其他流行的工具和功能包括SQL数据库，VCS和Python代码调试和linting。
NoSQL数据库，Python分析器和代码覆盖工具是最罕用的一些。
我们达到了居住在150多个不同国家的Python用户。“其他”包括少于2％的国家。
声明：
1：数据是匿名的，没有个人信息或地理位置的详细信息。此外，为了防止通过逐字评论来识别任何个人答复者，所有开放式领域已经被修剪。
2：这些数据仅包括来自Python软件基金会官方渠道的回复。在筛选出重复的回复之后，数据集包括2017年10月期间收集的所有9500多个回复，方法是在python.org，PSF博客，PSF的Twitter和LinkedIn帐户，官方Python邮件列表和Python相关的子目录。没有使用与产品，服务或供应商相关的渠道，以防止调查倾向于支持任何特定的工具或技术。
此文来自第三方转载
