Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-13 12:05 UTC

Nixtla / nixtla

TimeGPT-1: production ready pre-trained Time Series Foundation Model for forecasting and anomaly detection. Generative pretrained transformer for time series trained on over 100B data points. It's capable of accurately predicting various domains such as retail, electricity, finance, and IoT with just a few lines of code 🚀.

Jupyter NotebookEigene Lizenz★ 3.985 Sterne⑂ 332 Forksseit Sept. 2021Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#time-series#time-series-forecasting#deep-learning#forecasting#gpt#generative-ai-time-series#timegpt#anomaly-detection#artificial-intelligence#gpts#llm#foundation-models#llms#agentic-ai#agent

Nixtla/nixtla erreicht einen Gesundheitsindex von 92 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei Security (46/100). Zuletzt vor 2 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

92
gesamt / 100
Exzellent

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

92
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 78 wird auf der veröffentlichten Indexskala auf 92 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

NixtlaOrganisation
2.834 Follower40 öffentliche Reposseit März 2021

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPInixtla0.8.0-28vor 23 Tagentime-seriesforecastinggpt

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

93Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 2 Tagen
29.8/36Commit-Rhythmus — 43/52 Wochen mit Commits
18/18Commit-Volumen — 142 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year142
human_commit_share0,65
days_since_last_push2
active_weeks_last_year43

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 49 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 23 Tagen
27/27Release-Rhythmus — ein Release etwa alle 29,2 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count49
latest_release_tagv0.8.0
releases_from_tagsnein
days_since_latest_release23
mean_days_between_releases29,2

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

84Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

88Exzellent
Wie die Bewertung erfolgt
58.4/60Stars — 3.985 Stars
21/25Forks — 332 Forks
8.7/15Watcher — 38 Watcher
Verwendete Eingangsdaten
forks332
stars3.985
watchers38
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

79Gut
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

74Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

35Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
8.6/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 62 % der Commits
13.5/13.5Breite der Beitragenden — 24 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor1
contributors_sampled24
top_contributor_share0,619

Reaktionsfähigkeit bei Issues & PRs

78Gut
Wie die Bewertung erfolgt
32.2/42Issue-Lösungsquote — 77 % der Issues geschlossen
24.3/30PR-Annahme — 473/585 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs473
open_issues47
closed_issues154
prs_merged_7d6
prs_decided_7d8
prs_merged_30d15
prs_decided_30d17
issue_closed_ratio0,766
closed_unmerged_prs112
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

97Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
24.8/25Reichweite des Inhabers — 2.834 Follower von Nixtla
22.6/25Kontohistorie — 40 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers2.834
owner_typeOrganization
is_verified—
owner_loginNixtla
public_repos40
account_age_days1.989
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 23 Tagen
20/20Versionshistorie — 28 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesnixtla
ecosystemspypi
any_deprecatednein
min_days_since_publish23

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

85Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://www.nixtla.io/docs
10/10Repository-Beschreibung
10/10Topics — 15 Topics
10/10Wiki
Verwendete Eingangsdaten
topicstime-series, time-series-forecasting, deep-learning, forecasting, gpt, generative-ai-time-series, timegpt, anomaly-detection, artificial-intelligence, gpts, llm, foundation-models, llms, agentic-ai, agent
has_wikija
homepagehttps://www.nixtla.io/docs
docs_sitehttps://www.nixtla.io/docs
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

46Schwach · 16 % des Gesamtindex

Sicherheitslage

33Gefährdet
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfilesuv.lock
manifestspyproject.toml
has_codeql_workflownein
has_security_policynein
has_dependabot_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages22
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:nixtla@0.8.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 22 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

76Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 56 von 65 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,862
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

93Außergewöhnlich
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, experiments/azure-automl-forecasting/Makefile, experiments/foundation-time-series-arena/Makefile, experiments/lag-llama/Makefile, experiments/prophet/Makefile, experiments/vn1-competition/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — nixtla/py.typed
10/10Reproduzierbare Umgebung — devcontainer, lockfile
4/10Belegte Agentenpraxis — 2 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 35 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile, experiments/azure-automl-forecasting/Makefile, experiments/foundation-time-series-arena/Makefile, experiments/lag-llama/Makefile, experiments/prophet/Makefile, experiments/vn1-competition/Makefile
has_devcontainerja
has_linter_configja
typecheck_configsnixtla/py.typed
agent_commit_share0,02
toolchain_manifests—
dependency_bot_commit_share0,35

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Jupyter Notebook mit Typprüfungs-Konfiguration (nixtla/py.typed)
53.9/55Handhabbare Dateigrößen — 2/103 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageJupyter Notebook
largest_source_bytes142.887
source_files_sampled103
oversized_source_files2

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — timegpt-docs/openapi.json
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — notebooks
Verwendete Eingangsdaten
example_dirsnotebooks
has_mcp_signalnein
api_schema_filestimegpt-docs/openapi.json
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

3.985GitHub-Sterne
24Mitwirkende
142Commits, letzte 12 Monate
2Tage seit letztem Push
49Releases
1Bus-Faktor
47offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 332 ⇿
0Sterne
332Forks
48Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

0125250375329302021-102024-032026-07
Major 0Minor 7Patch 32

Jeder Punkt umfasst 5 Tage.

Direkte Abhängigkeiten 9
RegistryPaketVersionsvorgabeManifest
PyPIannotated-types—pyproject.toml
PyPIhttpx—pyproject.toml
PyPInarwhals>=2.11.0pyproject.toml
PyPIorjson—pyproject.toml
PyPIpandas<3.0.0pyproject.toml
PyPIpydantic>=1.10pyproject.toml
PyPItenacity—pyproject.toml
PyPItqdm—pyproject.toml
PyPIutilsforecast>=0.2.15pyproject.toml
Alle Abhängigkeiten 295

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 13 direkte und 282 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIannotated-types0.7.0direkt
PyPIhttpx0.28.1direkt
PyPInarwhals2.16.0direkt
PyPIorjson3.11.6direkt
PyPIpandas—direkt
PyPIpandas2.2.3direkt
PyPIpydantic2.12.3direkt
PyPIpydantic2.13.4direkt
PyPItenacity9.1.2direkt
PyPItqdm—direkt
PyPItqdm4.67.1direkt
PyPIutilsforecast—direkt
PyPIutilsforecast0.2.15direkt
PyPIadagio0.2.6indirekt
PyPIaiohappyeyeballs2.6.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIalembic1.17.0indirekt
PyPIanyio4.11.0indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIasn1crypto1.5.1indirekt
PyPIasttokens3.0.0indirekt
PyPIasync-lru2.0.5indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs25.4.0indirekt
PyPIazure-ai-ml—indirekt
PyPIazure-identity—indirekt
PyPIazureml-core—indirekt
PyPIbabel2.17.0indirekt
PyPIbeautifulsoup44.14.2indirekt
PyPIbleach6.4.0indirekt
PyPIblinker1.9.0indirekt
PyPIboto3—indirekt
PyPIboto31.42.41indirekt
PyPIbotocore1.42.41indirekt
PyPIcertifi2025.10.5indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIclarabel0.11.1indirekt
PyPIclick8.1.8indirekt
PyPIcloudpickle3.1.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.10.1indirekt
PyPIcomm0.2.3indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoreforecast0.0.16indirekt
PyPIcoverage7.11.0indirekt
PyPIcryptography50.0.0indirekt
PyPIcuda-bindings13.3.1indirekt
PyPIcuda-pathfinder1.5.5indirekt
PyPIcuda-toolkit13.0.3.0indirekt
PyPIcycler0.12.1indirekt
PyPIdash3.2.0indirekt
PyPIdask2026.1.2indirekt
PyPIdatasetsforecast1.0.0indirekt
PyPIdebugpy1.8.17indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.0indirekt
PyPIdistributed2026.1.2indirekt
PyPIduckdb1.4.1indirekt
PyPIeinshape—indirekt
PyPIexceptiongroup1.3.0indirekt
PyPIexchange-calendars4.11.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.20.3indirekt
PyPIfire—indirekt
PyPIfire0.7.1indirekt
PyPIflask3.1.3indirekt
PyPIfonttools4.60.2indirekt
PyPIfqdn1.5.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2025.9.0indirekt
PyPIfugue0.9.6indirekt
PyPIgluonts—indirekt
PyPIgreenlet3.2.4indirekt
PyPIh110.16.0indirekt
PyPIhierarchicalforecast1.3.0indirekt
PyPIholidays0.83indirekt
PyPIhttpcore1.0.9indirekt
PyPIhuggingface-hub—indirekt
PyPIidentify2.6.15indirekt
PyPIidna3.15indirekt
PyPIimportlib-metadata8.7.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIintel-cmplr-lib-rt2025.2.1indirekt
PyPIipykernel7.0.1indirekt
PyPIipython8.32.0indirekt
PyPIipywidgets8.1.7indirekt
PyPIisoduration20.11.0indirekt
PyPIitsdangerous2.2.0indirekt
PyPIjax—indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjmespath1.1.0indirekt
PyPIjoblib1.5.2indirekt
PyPIjson50.12.1indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.25.1indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-builder1.0.2indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.0indirekt
PyPIjupyter-lsp2.3.0indirekt
PyPIjupyter-server2.20.0indirekt
PyPIjupyter-server-terminals0.5.3indirekt
PyPIjupyterlab4.6.2indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.15indirekt
PyPIkiwisolver1.4.9indirekt
PyPIkorean-lunar-calendar0.3.1indirekt
PyPIlark1.3.0indirekt
PyPIlightgbm—indirekt
PyPIlightgbm4.6.0indirekt
PyPIlightning-utilities0.15.2indirekt
PyPIllvmlite0.45.1indirekt
PyPIlocket1.0.0indirekt
PyPImako1.3.12indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib3.10.7indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImdurl0.1.2indirekt
PyPImistune3.3.3indirekt
PyPImlforecast—indirekt
PyPImlforecast1.0.2indirekt
PyPImltable—indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.2.1indirekt
PyPImultidict6.7.0indirekt
PyPInbclient0.10.2indirekt
PyPInbconvert7.17.1indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.5indirekt
PyPIneuralforecast—indirekt
PyPIneuralforecast3.1.2indirekt
PyPInixtla—indirekt
PyPInixtla0.8.0indirekt
PyPInixtlats0.5.2indirekt
PyPInodeenv1.9.1indirekt
PyPInotebook-shim0.2.4indirekt
PyPInumba0.62.1indirekt
PyPInumpy—indirekt
PyPInumpy1.26.4indirekt
PyPInvidia-cublas13.1.1.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.20.0.48indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.1indirekt
PyPInvidia-nccl-cu132.29.7indirekt
PyPInvidia-nvjitlink13.0.88indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPIoptuna4.5.0indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging25.0indirekt
PyPIpandas-market-calendars5.1.1indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.5indirekt
PyPIpartd1.4.2indirekt
PyPIpatsy1.0.2indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIpip-licenses5.5.0indirekt
PyPIplatformdirs4.5.0indirekt
PyPIplotly5.24.1indirekt
PyPIplotly6.3.1indirekt
PyPIplotly-resampler0.10.0indirekt
PyPIplotly-resampler0.11.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpolars1.34.0indirekt
PyPIpolars-runtime-321.34.0indirekt
PyPIpre-commit4.3.0indirekt
PyPIprettytable3.17.0indirekt
PyPIprometheus-client0.23.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpropcache0.4.1indirekt
PyPIprophet—indirekt
PyPIprotobuf6.33.5indirekt
PyPIpsutil7.1.1indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpy4j0.10.9.9indirekt
PyPIpyarrow—indirekt
PyPIpyarrow23.0.1indirekt
PyPIpycparser2.23indirekt
PyPIpydantic-core2.41.4indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpygments2.20.0indirekt
PyPIpyjwt2.13.0indirekt
PyPIpyluach2.3.0indirekt
PyPIpyopenssl26.4.0indirekt
PyPIpyparsing3.2.5indirekt
PyPIpyreadr0.5.2indirekt
PyPIpyspark4.0.1indirekt
PyPIpytest—indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpytest-rerunfailures16.1indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv—indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-json-logger4.0.0indirekt
PyPIpytorch-lightning2.5.5indirekt
PyPIpytz2025.2indirekt
PyPIpywinpty3.0.2indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIquadprog0.1.13indirekt
PyPIray2.56.1indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.33.0indirekt
PyPIretrying1.4.2indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrich—indirekt
PyPIrich14.3.2indirekt
PyPIrpds-py0.27.1indirekt
PyPIruff0.15.1indirekt
PyPIs3fs—indirekt
PyPIs3transfer0.16.0indirekt
PyPIscikit-learn1.7.2indirekt
PyPIscipy—indirekt
PyPIscipy1.15.3indirekt
PyPIsend2trash1.8.3indirekt
PyPIsetuptools83.0.0indirekt
PyPIshap0.49.1indirekt
PyPIsix1.17.0indirekt
PyPIslicer0.0.8indirekt
PyPIsniffio1.3.1indirekt
PyPIsnowflake-connector-python4.6.0indirekt
PyPIsnowflake-snowpark-python1.45.0indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.8.4indirekt
PyPIsqlalchemy2.0.44indirekt
PyPIstack-data0.6.3indirekt
PyPIstatsforecast—indirekt
PyPIstatsforecast2.0.2indirekt
PyPIstatsmodels0.14.5indirekt
PyPIsympy1.14.0indirekt
PyPItabulate0.9.0indirekt
PyPItblib3.2.2indirekt
PyPItensorboardx2.6.4indirekt
PyPItermcolor3.1.0indirekt
PyPIterminado0.18.1indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItinycss21.4.0indirekt
PyPItomli2.3.0indirekt
PyPItomlkit0.14.0indirekt
PyPItoolz1.1.0indirekt
PyPItorch—indirekt
PyPItorch2.13.0indirekt
PyPItorchmetrics1.8.2indirekt
PyPItornado6.5.7indirekt
PyPItraitlets5.14.3indirekt
PyPItriad1.0.1indirekt
PyPItriton3.7.1indirekt
PyPItsdownsample0.1.4.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.2indirekt
PyPItzlocal5.3.1indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.7.0indirekt
PyPIvirtualenv20.36.1indirekt
PyPIwandb—indirekt
PyPIwcwidth0.2.14indirekt
PyPIwebcolors24.11.1indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwerkzeug3.1.6indirekt
PyPIwheel0.46.3indirekt
PyPIwidgetsnbextension4.0.14indirekt
PyPIxlrd2.0.2indirekt
PyPIyarl1.22.0indirekt
PyPIzict3.0.0indirekt
PyPIzipp3.23.0indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:nixtla@0.8.0 zieht 22 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit Nixtla/nixtla teilen. Nebeneinander lesen →

95awslabs/gluontsProbabilistic time series modeling in PythonAußergewöhnlich99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Außergewöhnlich99ag2ai/ag2AG2 (formerly AutoGen): The Open-Source AgentOS.Join us at: https://discord.gg/sNGSwQME3xAußergewöhnlich98Significant-Gravitas/AutoGPTAutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mission is to provide the tools, so that you can focus on what matters.Außergewöhnlich98sktime/sktimeA unified framework for machine learning with time seriesAußergewöhnlich97unit8co/dartsA python library for user-friendly forecasting and anomaly detection on time series.Außergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.31.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.