Data Science Web Development

2025 年 Python 现状

这是 Talk Python 创始人兼 PSF 资深会员 Michael Kennedy 的客座文章。

欢迎阅读第八届年度 Python 开发者调查的亮点、趋势和关键行动。 本次调查由 Python Software Foundation 和 JetBrains 的 PyCharm 团队合作开展。

我是 Michael Kennedy，我分析了超过 30,000 份调查回复，提炼出最重要的趋势和预测，并确定了多种行动来帮助您改善 Python 职业发展。

作为 Talk Python to Me 播客的主持人，我处在一个独特的位置。 过去 10 年，我每周都会采访 Python 生态系统中最重要的库和语言趋势的推动者。 本文将利用由此积累的社区经验来理解这项重要年度调查的结果。

如果您的工作或产品和服务依赖于 Python，或者更广泛地说，依赖于开发者，那么本文的内容应该会让您感兴趣。 它提供了很多难以从其他来源获得的洞察。

2025 年的关键 Python 趋势

我们来根据 Python 调查结果深入探究最重要的趋势。 

在探索这些洞察的过程中，为项目选择合适的工具可以带来很大的帮助。 免费试用 PyCharm，在一个强大的 Python IDE 中掌握数据科学、ML/AI 工作流和 Web 开发所需的一切。

Python 人用 Python

我们先来谈谈 Python 对于它的使用者来说有多重要。 Python 人主要使用 Python。 这听起来像一句废话。 不过，开发者使用的许多语言并不是他们的主要语言。 例如，Web 开发者可能主要使用 Python、C# 或 Java，但也会使用 CSS、HTML 甚至 JavaScript。

另一方面，主要使用 Node.js 或 Deno 的开发者虽然也使用 JavaScript，但不是把它作为主要语言。

调查显示，86% 的受访者使用 Python 作为编写计算机程序、构建应用程序、创建 API 等任务的主要语言。

我们大多是新程序员

对于长期从事编程的人来说 – 包括我自己，我已经编写代码将近 30 年了 – 很容易认为业内大多数人都具备相当丰富的经验。 这是一个非常合理的假设。 在会议上，您和有 10 年或 20 年编程经验的人交流； 在您的同事中，许多人已经使用 Python 并编程很长时间。

但这并不是 Python 生态系统的全貌。

正好有 50% 的受访者拥有不到两年的专业编码经验！ 39% 使用 Python 的经验不足两年（即使算上业余爱好或教育环境）。

这一结果再次证明，Python 是职业生涯初期人士的理想语言。 简洁（但不过分简单）的语法和易于上手的特性既能吸引新人程序员，同时也受到资深程序员的青睐。 我们中的许多人都热爱编程和 Python，并乐于与社区的新成员分享。

不过，这表明我们在为社区创作内容时应该考虑这些受众。 如果您制作教程或视频演示，请不要省略能帮助新手入门的步骤。 例如，不要只是告诉他们安装软件包， 而是告诉他们需要创建一个虚拟环境，并展示创建和激活方法， 指导他们将软件包安装到虚拟环境中。

如果您是 JetBrains 这样的工具供应商，您一定需要记住，许多用户对于编程和 Python 本身都还比较陌生。 这并不意味着您应该忽略高级功能或简化产品，但也不要让初学者难以适应。

数据科学现在占 Python 使用的一半以上

今年，51% 的受访 Python 开发者参与数据探索和处理，主要使用 pandas 和 NumPy。

我们 Python 技术圈中有许多人提起过 Python 的三部分：三分之一是 Web 开发，三分之一是数据科学和纯科学，还有三分之一是通用用途。

鉴于 Python 中一个部分的占比已经远超其余两部份，我们现在需要重新审视这一定位。

这既要考虑当前人们对数据和 AI 领域兴趣大增的背景，也要考虑该领域相关工具的爆炸式发展。 我们有像 Polars 这样的数据处理工具、像 Marimo 这样的 Notebook 使用方式，以及大量用于处理 LLM、视觉模型和智能体的人性化软件包（例如 Transformers、Diffusers、smolagents、LangChain/LangGraph、LlamaIndex）。

Python 的重心确实进一步向数据/AI 倾斜。

尽管新版本有许多优势，但大多数人仍在使用旧版 Python 

调查显示了 Python 运行时最新版和旧版的分布情况。 我们中的许多人 (15%) 使用最新发布的 Python 版本，但更有可能的是，我们使用的是一年前或更早的版本 (83%)。

调查还表明，我们中有很多人正在使用 Docker 和容器来执行代码，这使 83% 或更高的数字更令人惊讶。 使用容器时，只需要选择容器中最新版本的 Python。 一切都是隔离的，您无需担心它与系统其余部分（例如 Linux 的系统 Python）的交互。 我们应该看到容器化提供更多的灵活性，并简化我们向最新版本 Python 的过渡。

那为什么还有人没更新到最新版本的 Python 呢？ 调查结果给出了两个主要原因。

1. 我正在使用的版本能满足我的所有需求 (53%)
2. 我没有时间更新 (25%)

83% 使用旧版本 Python 的开发者可能错过的东西比他们意识到的要多得多。 这不仅仅是因为旧版本缺少语言功能，例如 except 关键字，或者缺少对标准库的微小改进，例如 tomllib。 Python 3.11、3.12 和 3.13 都包含显著的性能提升，即将推出的 3.14 还将带来更多改进。

最棒的是，您不需要更改代码即可享受这些优势。 只要选择一个较新的运行时，您的代码就会运行得更快。 CPython 在向后兼容性方面非常出色。 升级通常不需要花费大量精力。 我们来看一些数字。

目前有 48% 的人正在使用 Python 3.11。 升级到 3.13后，他们代码的端到端运行速度将提升约 11%，同时内存使用量将减少约 10-15%。

对于仍在使用 3.10 或更低版本的 27% 的用户，他们的代码速度将大幅提升约 42%（无需更改代码），内存使用量则可以减少约 20-30%！

不过，这些用户可能仍然会说“这对我们来说已经足够快了， 我们没有那么多流量”之类的话。 但如果他们与大多数中大型企业类似，这将造成云计算成本的巨大浪费（也会因浪费能源而危害环境）。

研究显示了一些关于云计算的估计值（特别是基于计算的估计值）：

• 中型市场/中型企业
  • 年度 AWS 总费用（中位数）：每年约 230 万美元 (vendr.com)
  • EC2（计算实例）份额（约占费用的 50-70%）：每年 115 万至 160 万美元 (cloudlaya.com)
• 大型企业
  • 年度 AWS 总费用：每年约 2400 万至 3600 万美元（即每月 200 万至 300 万美元）(reddit.com)
  • EC2 份额（约 50-70%）：每年 1200 万至 2500 万美元 (cloudlaya.com)

假设他们运行的是 Python 3.10，分别可能节省 42 万美元和 560 万美元（按 EC2 成本的 30% 计算）。

如果公司发现因为您没抽出时间升级，导致每年要多支出 40 万至 500 万美元的费用，那么一定会有场艰难的谈话。

抛开财务和环境不谈，接受最新的语言功能并与核心开发者的重要工作保持同步真的很棒。 朋友们，请优先考虑升级。

Python Web 开发的复兴

近年来，我们听说 Python 领域内 Web 开发的重要性正在下降。 这里可能有两种强大的力量在起作用：1) 随着越来越多的数据科学和专注于 AI 的人员转向 Python，相对稳定的 Web 开发者数量所占的比例降低，2) Web 仍然以前端为中心，并且在浏览器中的 Python 成为现实之前，Web 开发者可能会更倾向于使用 JavaScript。

从 2021 年至 2023 年的数据来看，这一趋势在明显下降：45% → 43% → 42%。 但今年，Web 又回来了！ 在受访者中，2024 年有 46% 使用 Python 进行 Web 开发。 为了进一步支持这一假设，我们发现 Web“次要”语言也相应增加，HTML/CSS 的使用率提升了 15%，JavaScript 的使用率提升了 14%，SQL 的使用率提升了 16%。

Python Web 框架中最大的赢家是 FastAPI，其使用率从 29% 跃升至 38%（增加了 30%）。 虽然所有主要框架都实现了同比增长，但 FastAPI 近 30% 的增长率格外引人注目。 我对此只能做一些猜测。 在我看来，Python 在 Web 领域的飞跃可能部分归因于大量新人涌入 Python 领域。 其中许多人从事 ML/AI/数据科学方面的工作，这些人通常没有多年使用 Flask 或 Django 的经验。 他们很可能会选择最热门的 Python Web 框架，而目前看来，这个框架就是 FastAPI。 人们在 FastAPI API 后面托管 ML 模型的例子有很多。

转向对异步友好的 Python Web 框架的趋势也一直在持续。 在 Talk Python，我用异步 Flask 重写了我们的 Python Web 应用（大约 10,000 行 Python 代码）。 Django 一直在稳步添加异步功能，目前异步支持已接近完成。 目前在 5.2 版本中，它的 DB 层仍需进一步完善，但正如团队所说：“我们仍在致力于为 ORM 和 Django 的其他部分提供异步支持。”

Python Web 服务器转向异步和基于 Rust 的工具

值得一提的是，托管 Python Web 应用和 API 的生产应用服务器也在发生变化。 我认为这里有两股力量在起作用：1) 转向异步框架需要应用服务器支持 ASGI 而不仅仅是 WSGI；2) Rust 在快速执行 Python 代码方面变得越来越重要（我们稍后会深入探讨这一点）。

这个领域去年最大的损失是 uWSGI 的彻底消亡。 我们甚至制作了一期名为 We Must Replace uWSGI With Something Else 的 Python Bytes 播客，对这一情况进行了详细探讨。 

我们还观察到，Gunicorn 使用能够独立运行的异步原生服务器（例如 uvicorn 和 Hypercorn）来处理较少的异步工作负载。 基于 Rust 的新服务器（例如 Granian）也积累了一批忠实追随者。

Rust 是我们现在加快 Python 的方式

过去几年，Rust 已经成为 Python 的性能伴侣。 2025 年 Python Language Summit 显示，“在新项目上传到 PyPI 的所有原生代码中，大约有四分之一到三分之一使用了 Rust”，这表明“人们正在选择使用 Rust 启动新项目”。

从调查结果来看，我们发现在 Python 软件包的二进制扩展程序中，Rust 的使用率从 27% 增长到 33%。  

我们可以在生态系统中观察到这一点，Polars 在数据科学领域取得了成功，Pydantic 则在几乎所有学科领域都取得了成功。 我们甚至在 Python 应用服务器（例如较新的 Granian）中也能看到这一点。

类型化 Python 正在获得更好的工具

今年的另一个关键趋势是类型化 Python。 您可能已经在函数定义中看到过 Python 类型信息，例如： 

def add(x: int, y: int) -> int: ... 

它们已经在 Python 中存在一段时间了。 不过，人们正在重新努力使类型化 Python 更加普及和宽容。 自类型化早期以来，我们就有 mypy 之类的工具，但其目标更侧重于实现整个程序的一致性。 过去几个月，我们就看到了两款新的高性能类型化工具发布：

• 来自 Astral 的 ty – 极快的 Python 类型检查器和语言服务器，采用 Rust 编写。
• 来自 Meta 的 Pyrefly – 更快的 Python 类型检查器，采用 Rust 编写。

它们都在争相成为新一代类型检查工具。 此外，这两种工具都提供了极快的语言服务器协议 (LSP)。

注意到什么相似的地方了吗？ 它们都是采用 Rust 编写，这进一步印证了此前“Rust 已经成为 Python 的性能伴侣”的说法。

顺便一提，如果您想深入了解，几周前 ty 发布时我采访了这个项目的团队。

代码和文档构成了开源贡献的一大部分

为开源做出贡献的方式多种多样，且各具特色。 提到贡献者，大多数人首先想到的可能是编写代码并为项目添加新功能的人。 不过，也有一些不太明显但同样重要的贡献方式，例如在审查拉取请求时对问题进行分类。

那么，社区中有多少成员为开源做出了贡献，又是通过哪些方式做出了贡献？

调查显示，三分之一的开发者为开源做出了贡献。 这主要体现在代码和文档/教程的添加上。

文档位于第一位

作为开发者或数据科学家，您通常在哪里学习？ 受访者表示，文档位于第一位。 学习语言和库的方式有很多，但人们最喜欢文档。 这对开源维护者来说是个好消息。 这说明投入到文档（和嵌入式教程）中的努力是值得的。 这是一种清晰直观的方式，能够改善用户对项目的体验。

此外，这与我和经验丰富的 Python 开发者（包括 JetBrains 的 Paul Everitt）共同参与的播客小组节目 Developer Trends in 2025 的内容相一致。 小组成员一致认为文档位于第一位，尽管调查结果显示 YouTube 的排名远高于小组成员的预期，达到了 51%。 请记住，我们的社区成员平均拥有 1-2 年的经验，其中 45% 的成员年龄不到 30 岁。

一个强大的新晋力量是我们都听说过（并且许多人都在使用）的 AI 工具套件。 AI 工具作为学习来源的比例从 19% 增长到 27%（同比增长 42%）！

Postgres 是 Python 开发者的数据库之王

在被问及选择哪种（哪些）数据库（如果有）时，绝大多数受访者都回答了 PostgreSQL。 PostgreSQL 是 Python 数据库之王，而且占比还在增长，从 43% 提升至 49%。 与去年同期相比增长了 14%，对于一个已有 28 年历史的开源项目来说，这是个了不起的成绩。

值得注意的是，除了 Postgres 被大量使用之外，排名前六的数据库的使用率都实现了同比增长。 如前文所述，这很可能是 Web 开发本身再次增长的另一个迹象。

前瞻性趋势

智能体化 AI 将带来颠覆性变革

我的第一个前瞻性趋势是智能体化 AI 将给编码带来颠覆性变革。 智能体化 AI 经常被视为备受争议的凭感觉编码的工具。 不过，凭感觉编码掩盖了一个事实，那就是与优秀的工程师或数据科学家配合时，智能体化 AI 工具会非常高效。

PSF 调查之外的调查显示，2023 年约 70% 的开发者使用或计划使用 AI 编码工具，到 2024 年，约 44% 的专业开发者每天都会使用这些工具。

JetBrains 的《2023 开发者生态系统现状》报告指出，在几年内，“基于 AI 的代码生成工具从有趣的研究发展成为许多开发者工具箱的重要组成部分”。 到 2025 年，根据《2025 开发者生态系统现状》调查，近一半的受访者 (49%) 计划在未来一年内尝试 AI 编码智能体。

各大科技公司的程序经理表示，他们几乎无法雇用不接受智能体化 AI 的开发者。 使用 AI 和不使用 AI 之间的效率差距实在太大了（估计使用 AI 后效率会提高约 30%）。

async、await 和线程处理正在成为 Python 的核心

未来将充满并发性和 Python。 我们已经讨论过 Python Web 框架和应用服务器正转向异步执行，但这仅仅是更大趋势的一部分。

Python 3.14 将是首个完全支持自由线程 Python 的 Python 版本。 自由线程 Python 是 Python 运行时的一个版本，它不使用 GIL（全局解释器锁），最初作为实验性功能在 CPython 3.13 中推出。

就在上周，指导委员会与核心开发者正式接受它作为语言和运行时的永久组成部分。 这将产生深远的影响。 开发者和数据科学家必须更加仔细地考虑带有锁、竞争条件的线程代码以及随之而来的性能优势。 软件包维护者，尤其是在具有原生代码扩展的情况下，可能需要重写部分代码以支持自由线程 Python，从而避免自身陷入竞争条件和死锁。

这其中也有很大的好处。 我目前正在使用最便宜的 Apple Mac Mini M4 撰写这篇文章。 这台电脑配有 10 个 CPU 核心。 这意味着，直到此更改在 Python 中体现出来之前，我从单个 Python 进程中能获得的最大性能是机器实际性能的 10%。 在自由线程 Python 完全融入生态系统后，我应该能通过使用线程处理和 async 与 await 关键字的标准 Python 程序更接近最大性能。

async 和 await 关键字不仅仅适合想要编写更多并发代码的 Web 开发者。  它正出现在越来越多的地方。 我最近遇到的一个此类工具是 Temporal。 这款程序利用了 asyncio 事件循环，但用持久的跨机执行取代了标准的巧妙线程处理技巧。 您可能只需要等待某些操作，而在后台，您会获得在机器重启后依然可以存在的执行。 因此，随着越来越多的工具像 Temporal 一样有趣地使用它，理解 async 和 await 将变得越来越重要。

我看到这里与 Pydantic 有相似之处，它让许多人对 Python 类型产生了以往更大的兴趣。

Python GUI 和移动端正在崛起

我最后一个前瞻性趋势是 Python GUI 和移动端 Python 正在崛起。 提到 iOS 和 Android 上的原生应用，我们只能希望不久的将来可以用 Python 来构建。

在 2025 Python Language Summit 中，Russell Keith-Magee 展示了他在将 iOS 和 Android 打造为 CPython 的 3 级支持平台方面的成果。 这已在 PEP 730 和 PEP 738 中说明。 这是允许我们使用 Python 编写发布到应用商店的真正原生应用的必要条件，但并非充分条件。

更普遍地说，Python 的 UI 领域出现了一些有趣的创意和新的看法。 我们让 fast.ai 的 Jeremy Howard 介绍了 FastHTML，后者让我们能够用纯 Python 编写现代 Web 应用程序。 NiceGUI 已经成为使用纯 Python 编写 Web 应用和 PWA 的绝佳方式。

我预计这些更改，特别是移动端的更改，将释放强大的用例，在未来数年内持续引发讨论。

可行想法

您已经看到了结果、我的解读和预测。 那么您应该如何处理它们呢？ 当然，您没有必要做任何事，但我将在本文结尾提出一些可行想法，帮助您利用这些技术和开源浪潮。

以下是阅读本文后您可以付诸实践的六个可行想法。 选择您最喜欢但尚未利用的选项，看看它是否可以帮助您在 Python 领域进一步发展。

行动 1：学习 uv

uv，这个难以置信的软件包和 Python 管理工具在推出那一年就从 0% 跃升至 11%（并且增长势头在 2025 年持续强劲）。 这个基于 Rust 的工具统一了您可能之前听说过的许多最重要的功能，并且在性能和功能方面都表现出色。

您的机器上需要有 Python 吗？ 只需运行 uv venv venv，即可安装最新的稳定版本并创建虚拟环境。 这仅仅是个开始。 如果您想了解完整的故事，我在 Talk Python 上对 Charlie Marsh 进行了关于第二代 uv 的采访。

如果您决定安装 uv，请务必使用其独立安装程序。 它允许 uv 自我管理并随着时间的推移不断改进。

行动 2：使用最新的 Python

我们发现 83% 的受访者没有使用最新版本的 Python。 不要像他们一样。 使用虚拟环境或使用容器，安装最新版本的 Python。 目前最快捷、最简单的方式是使用 uv，因为它不会影响系统 Python 和其他配置（参阅行动 1！）。

如果您在 Docker 容器中部署或开发，只需要设置最新版本的 Python 3.13 并运行以下两行代码：

RUN curl -LsSf https://astral.sh/uv/install.sh | sh
RUN uv venv --python 3.13 /venv

如果您在虚拟环境中进行本地开发（就像我一样），只需移除 RUN 关键字，然后使用 uv 创建该环境。 当然，在 Python 新的主要版本的发布后，请更新相应的版本号。

采取这一行动，您将充分利用现代 Python 从性能优势到语言功能的全部潜力。

行动 3：学习智能体化 AI

如果您尚未尝试过智能体化 AI，您应该了解一下。 我明白为什么有人避免使用 AI 和 LLM。 首先，版权的合法性会有争议。 环境危害也真真切切，而对开发者的工作和自主权的威胁也不容忽视。 但是，使用智能体化 AI 的顶级模型（不仅仅是聊天机器人）可以让您大幅提升工作效率。

我不推荐凭感觉编码。 但是，您是否曾经希望存在一个库或软件包，或者一个 CLI 工具来自动执行工作中的一些简单部分？ 将这个任务交给智能体化 AI，您既不会给主要应用程序带来技术债务，还可以节省一些时间。 您的工作效率将大幅提升。

人们在这里犯的另一个错误是尝试使用最便宜的或免费模型。 当效果不佳时，他们就会以此为证据说：“看，这没什么用。 它只会胡编乱造，把事情搞错。” 您应该选择最好的模型，如果您想要真实地了解它，可以花一个月 10 美元或 20 美元来看看它实际上能做什么。

JetBrains 最近发布了 Junie，一款专为其 IDE 打造的智能体化编码助手。 如果您正在使用其中一种 IDE，一定要看一看。

行动 4：学习 Rust 基础知识

Python 开发者应该考虑学习 Rust 的基础知识，不是为了取代 Python，而是与之互补。 如我在分析中所述，Rust 在 Python 生态系统的最关键部分中变得越来越重要。 我绝对不建议您放弃 Python 开发者的身份转而成为 Rust 开发者，但有能力阅读基础 Rust 将让您可以更好地理解所使用的库正在做什么。

行动 5：投资于线程理解处理

Python 开发者主要在线程处理和并行编程领域之外工作。 在 Python 3.6 中，惊人的 async 和 await 关键字被添加到语言中。 不过，它们仅适用于 I/O 绑定并发。 例如，如果我在调用 Web 服务，我可能会使用 HTTPX 库并等待该调用。 这种类型的并发主要避免了竞争条件等问题。

现在，真正的并行线程处理即将登陆 Python。 随着 PEP 703 在 3.14 中被正式完全接受为 Python 的一部分，我们需要理解真正的线程处理是如何运作的。 这将涉及对锁、信号量和互斥锁的理解。

这将是一项挑战，但也是一个大幅提高 Python 性能的绝佳机会。

在 2025 Python Language Summit 中，近三分之一的演讲都以某种形式谈到了并发和线程处理。 这无疑是未来趋势的一个前瞻性指标。

您编写的程序不一定都会涉及并发或线程处理，但它们将十分常见，因此对其有一定的了解非常重要。 我写了一门关于 Python 异步的课程，如果您有兴趣可以去看看。 此外，JetBrains 的 Cheuk Ting Ho 撰写了一篇题为更快的 Python：async/await 和 threading 中的并发的精彩文章，值得一读。

行动 6：不要忘记新手

我最后要说的是，每次构建或分享时，都要让初学者能够掌握。 Python 开发者群体中有一半人使用 Python 的时间还不到两年，而且其中大多数人整体编程经验也都不到两年。 这仍然让我感到惊讶。

因此，当您去演讲、编写或创建软件包、库和工具时，请记住，您不应该假设其他人已经具备多年关于处理多个 Python 文件、虚拟环境、固定依赖项等功能的知识。

有兴趣了解更多信息吗？ 在这里查看完整的 Python 开发者调查结果。

开始使用 PyCharm 进行开发

PyCharm 在一个强大的 IDE 中直接提供数据科学、ML/AI 工作流和 Web 开发所需的一切。

作者简介