JetBrains 从年度 Python 开发者调研中，梳理了一份有关最受欢迎的 Python 框架和库的详细信息。“尽管Django、Flask等一些长期热门工具依旧势头强劲，但FastAPI等新兴框架正迅速在 AI、机器学习和数据科学等领域占据一席之地。”

1. FastAPI

2024 年使用率：38%（较 2023 年增长 9%）

榜单第一位是FastAPI，这是一款适用于 Python 3.8 及以上版本，用于构建 API 的现代高性能 Web 框架。 它的设计初衷是将 Python 的类型提示、异步编程与 OpenAPI 标准整合到一个开发者友好型软件包中。

FastAPI 基于Starlette（用于 Web 层）和Pydantic（用于数据验证）构建，可以提供自动请求验证、序列化和交互式文档，并且全程只需极少的样板代码。

FastAPI 非常适合那些优先考虑速度、简洁性和标准的团队。 无论是 Web 开发者还是数据科学家，都对它青睐有加。

FastAPI 的优点

• 非常适合 AI/ML：FastAPI 广泛用于在生产环境中部署机器学习模型。 它能与TensorFlow、PyTorch、Hugging Face等库良好集成，并且支持异步模型推理管道，可以实现最大吞吐量。
• 默认支持异步：FastAPI 基于ASGI构建，支持原生的 async/await，非常适合实时应用、流式端点和低延迟机器学习服务。
• 类型安全且现代化：FastAPI 借助 Python 的类型提示自动验证请求，并生成简洁、适配编辑器的代码，既能减少运行时错误，又能提升团队效率。
• 自动生成的文档：FastAPI 通过Swagger UI和ReDoc创建交互式文档，团队无需额外编写文档，即可轻松探索和测试端点。
• 社区发展势头强劲：尽管 FastAPI 相对较新，但已形成庞大且活跃的社区，扩展程序、教程和集成生态系统也在持续完善。

FastAPI 的缺点

• 异步开发学习曲线陡峭：async/await 虽能提升性能，但对于新接触异步编程的开发者来说，调试、测试和并发管理都会是不小的挑战。
• 无内置核心工具：FastAPI 未自带身份验证、管理面板和数据库管理相关工具。 这些功能都需要开发者自行选择并手动集成。
• 生态系统规模较小：尽管 FastAPI 的插件生态正在发展，但仍落后于 Django。对于 CMS 集成或基于角色的访问控制等任务，现成可用的工具数量相对较少。

2. Django

2024 年使用率：35%（较 2023 年增长 2%）

Django再次跻身于最受开发者欢迎的 Python 框架之列。

Django 最初是为快速开发而构建的，具有内置的安全性和结构，此后它已发展成为一个全栈工具包。 从内容丰富的网站到数据科学仪表板以及由机器学习赋能的服务，它在各个领域都备受信赖。

它遵循模型-模板-视图 (MTV)模式，并配备了用于路由、数据访问和用户管理的内置工具。 这使得团队能够以最少的设置从构思推进到部署。

Django 的优点

• 内部功能齐全：Django 拥有一套全面的内置工具，包括 ORM、用户身份验证工具、管理面板和模板引擎。 这使其成为希望快速推进项目而无需自行搭建技术栈的团队的理想选择。
• 默认具备安全性：内置防护机制，可以抵御 CSRF、SQL 注入、XSS 等其他常见安全漏洞。 正是凭借安全优先的设计理念，Django 备受银行、政府机构和大型企业的信赖。
• 可扩缩且适用于生产环境：Django 支持水平扩缩、缓存和异步视图。 Instagram、Pinterest、Disqus 等高流量平台均采用它来提供技术支持。
• 出色的文档：Django 官方文档以清晰详尽著称，无论是新手开发者还是资深工程师，都能轻松理解和使用。
• 成熟的生态系统：目前已有数千个第三方软件包可供使用，覆盖 CMS 平台、REST API、支付、搜索等各类场景。
• 长期支持：在Django Software Foundation的支持下，Django 会定期推出更新、安全补丁和 LTS 版本，是长期项目的可靠选择。

Django 的缺点

• 对小型应用而言过于重量级：对于简单 API 或微服务，Django 的全栈设计可能显得冗余，并且配置过程耗时。
• 组件耦合度高：替换技术栈中的部分组件（如 ORM 或模板引擎）往往需要额外的变通方案或深度自定义。
• 学习曲线陡峭：对于新手开发者，或习惯了轻量级框架的团队来说，Django 的各类约定及复杂特性可能会让人望而却步。

3. Flask

2024 年使用率：34%（较 2023 年增长 1%）

Flask是适用于小型应用、API 和数据科学仪表板的最受欢迎的 Python 框架之一。

它是一款轻量级、无固定约束的 Web 框架，能让您完全掌控应用程序架构。 Flask 被归为“微框架”，原因在于它不强制要求特定的项目结构，也不包含 ORM 或表单验证等内置工具。

相反，它仅提供简洁的核心，允许您按需添加组件。 Flask 基于Werkzeug（一款 WSGI 实用程序库）和Jinja2（一款模板引擎）构建。 它以简洁的语法、直观的路由机制和灵活性而著称。

搭配SQLAlchemy、Flask-Login或 Flask-RESTful 等扩展使用时，Flask 的可扩缩性十分出色。

Flask 的优点

• 轻量且灵活：Flask 不强制结构或依赖项，非常适合微服务、API 以及希望从零开始搭建技术栈的团队。
• 在数据科学和机器学习工作流中很受欢迎：Flask 常被用于实验，例如构建仪表板、提供模型，或将 Notebook 转化为轻量级 Web 应用。
• 对新手友好：Flask 配置极简，学习曲线平缓，常被推荐为 Python 开发者入门的第一款 Web 框架。
• 可扩展：丰富的扩展程序生态系统能让您在需要时按需添加数据库集成、表单验证、身份验证等功能。
• 模块化架构：Flask 的设计便于将应用拆分为蓝图，或与其他服务集成，非常适合开发分布式系统的团队。
• 代码库易读：Flask 的源代码简洁易懂，无论是调试、自定义，还是复刻内部工具，都更为轻松。

Flask 的缺点

• 需自行整合各类组件：与 Django 不同，Flask 不包含 ORM、管理面板和用户管理功能。 这些都需要您自行选择并集成。
• 需手动搭建安全性：Flask 仅提供最基础的内置防护，CSRF 防护、输入验证和其他最佳做法需要您手动实现。
• 容易失控：由于没有统一的约定和结构，如果不自行规范架构与模式，大型 Flask 应用的维护工作颇有难度。

4. Requests

2024 年使用率：33%（较 2023 年增长 3%）

Requests并非 Web 框架，而是一款用于发起 HTTP 请求的 Python 库，但它对 Python 生态系统的影响力不容小觑。 它是 PyPI 上下载量最高的软件包之一，无论是网页爬虫脚本，还是生产级微服务，都会用到它。

Requests 常与 Flask 或 FastAPI 等框架搭配使用，以处理外部 HTTP 调用。 它屏蔽了原始套接字 和 urllib 的复杂逻辑，为网络数据的发送与接收提供了简洁、符合 Python 风格的接口。

Requests 的优点

• 简洁直观：Requests 让 HTTP 如同 Python 的原生功能一般自然。 它的语法简洁易读，只需使用 requests.get(url) 即可获取资源。
• 成熟稳定：历经十余年开发，Requests 已通过实战验证，广受信赖。 它被数百万开发者使用，并且是许多 Python 项目中的默认依赖项。
• 非常适合 REST 客户端：无论是使用 API、与 SaaS 平台集成，还是构建依赖外部数据源的内部工具，Requests 都是理想之选。
• 出色的文档与社区：官方文档清晰简洁，同时有教程、Stack Overflow 解答和 GitHub 问题为该库提供有力支持。
• 广泛的兼容性：Requests 在各 Python 版本和平台上都能无缝运行，提供了对会话、Cookie、标头和超时设置的内置支持。

Requests 的缺点

• 非异步：Requests 本质是同步阻塞式设计。 对于高并发工作负载或异步原生框架，HTTPX 或 AIOHTTP 等替代选择更为适合。
• 无内置重试逻辑：尽管支持连接池和超时，但重试行为必须手动或借助 urllib3 等第三方包装器实现。
• 底层控制有限：Requests 简化了 HTTP 调用，但也隐藏了网络细节，使得高级调优（如套接字、DNS、连接复用等）变得困难。

5. Asyncio

2024 年使用率：23%（较 2023 年增长 3%）

Asyncio是 Python 用于异步编程的原生库。 它是众多现代异步框架的底层基础，能让开发者借助协程、事件循环和 async/await 语法编写非阻塞代码。

尽管 Asyncio 本身并非 Web 框架，但其在处理网络请求和子进程等 I/O 密集型任务时表现出色。 它虽常以幕后角色发挥作用，却是构建自定义异步工作流或与底层协议集成的强大工具。

Asyncio 的优点

• 原生异步支持：Asyncio 是 Python 标准库的一部分，通过 async/await 语法为异步 I/O 提供了一流支持。
• 现代框架的基础：它为如今众多热门异步 Web 框架（包括 FastAPI、Starlette 和 AIOHTTP）提供支持。
• 精细控制：开发者可以精准管理事件循环、调度协程，以及协调并发任务，非常适合构建自定义异步系统。
• 高效处理 I/O 密集型负载：在应对大量并发 I/O 操作（如 API 调用、套接字连接或文件读取）方面，Asyncio 表现出色。

Asyncio的缺点

学习曲- 线陡峭：对于新接触异步编程的开发者而言，协程、事件循环和任务调度等概念理解难度较大。

• 非完整框架：Asyncio 不提供路由、模板或请求处理功能。 它是一款底层工具，用于 Web 开发时需配合使用其他库。
• 调试复杂：异步代码的跟踪与调试难度更高，尤其在处理竞争条件或嵌套协程时。

6. Django REST Framework

2024 年使用率：20%（较 2023 年增长 2%）

Django REST Framework(DRF) 是在 Django 基础上构建 API 的最常用扩展。 它提供了一个强大且灵活的工具包，可用于数据序列化、权限管理和 RESTful 端点公开，且所有功能均与 Django 核心组件紧密集成。

DRF 在企业级应用和后端密集型应用程序中尤为流行，这类场景下的团队通常已在使用 Django，并且希望无需切换技术栈，就能借助 DRF 公开简洁、可扩缩的 API。 此外，可浏览 API 界面也是其一大特色，能让开发过程中的端点测试与调试变得更轻松。

Django REST Framework 的优点

• 深度 Django 集成：DRF 直接基于 Django 的模型、视图和身份验证系统构建，这使其成为已在使用 Django 的团队的自然选择。
• 可浏览 API 界面：DRF 的核心功能之一是基于 Web 的交互式 API 查看器，开发者与测试人员无需借助外部工具即可直接检查端点。
• 灵活的序列化：DRF 的序列化器功能全面，既能处理简单字段，也能支持深度嵌套关系，并且同时支持 ORM 和非 ORM 数据源。
• 完善的权限系统：DRF 包含对基于角色的访问控制、对象级权限和自定义授权逻辑的内置支持。
• 丰富的文档：DRF 文档详尽，且广泛教授。社区规模庞大，拥有大量教程、示例和第三方软件包。

Django REST Framework 的缺点

依赖 D- jango 且设置较繁琐：DRF 与 Django 绑定紧密，相比 FastAPI 等轻量级框架，需要更多配置，尤其是在自定义行为时。

• 序列化灵活性不足：DRF 的序列化器在常见用例下表现良好，但面对复杂或非标准数据时，自定义序列化逻辑往往需要编写大量冗余的重写代码。

其他优质框架：第 7–10 名