Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-19 02:54 UTC

business-science / pytimetk

Time series easier, faster, more fun. Pytimetk.

PythonMIT★ 966 Sterne⑂ 85 Forksseit Apr. 2021Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#pandas#polars#time#time-series#timeseries#timeseries-analysis

business-science/pytimetk erreicht einen Gesundheitsindex von 77 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Vitality (77/100) ab, am schwächsten bei Security (42/100). Zuletzt vor 2 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

77
gesamt / 100
Gut

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.

77
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 66 wird auf der veröffentlichten Indexskala auf 77 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Business ScienceOrganisation
1.290 Follower46 öffentliche Reposseit März 2017

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIpytimetk2.5.314.23128vor 2 Tagentime-seriesforecastingmachine-learningdata-science

Metriken nach Kategorie

Vitalität

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

77Gut · 21 % des Gesamtindex

Entwicklungsaktivität

69Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 2 Tagen
4.8/36Commit-Rhythmus — 7/52 Wochen mit Commits
18/18Commit-Volumen — 109 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 19 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year109
human_commit_share1
days_since_last_push2
active_weeks_last_year7

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 27 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 2 Tagen
27/27Release-Rhythmus — ein Release etwa alle 40,6 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count27
latest_release_tagv2.5.3
releases_from_tagsnein
days_since_latest_release2
mean_days_between_releases40,6

Community & Verbreitung

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

70Gut · 17 % des Gesamtindex

Popularität & Verbreitung

71Gut
Wie die Bewertung erfolgt
48.4/60Stars — 966 Stars
16/25Forks — 85 Forks
6.8/15Watcher — 18 Watcher
Verwendete Eingangsdaten
forks85
stars966
watchers18
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

70Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges6
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

69Gut
Wie die Bewertung erfolgt
55.4/80Downloads pro Monat — 14.231 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespytimetk
dependents—
ecosystemspypi
total_downloads—
monthly_downloads14.231
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

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

66Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

33Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
4.2/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 81 % der Commits
9.5/13.5Breite der Beitragenden — 7 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled7
top_contributor_share0,813

Reaktionsfähigkeit bei Issues & PRs

67Gut
Wie die Bewertung erfolgt
41.7/42Issue-Lösungsquote — 99 % der Issues geschlossen
25.7/30PR-Annahme — 126/147 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/1 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs126
open_issues1
closed_issues173
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,994
closed_unmerged_prs21
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Eigentümerschaft & Trägerschaft

77Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
22.4/25Reichweite des Inhabers — 1.290 Follower von business-science
24.2/25Kontohistorie — 46 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers1.290
owner_typeOrganization
is_verifiednein
owner_loginbusiness-science
public_repos46
account_age_days3.501

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 2 Tagen
20/20Versionshistorie — 28 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespytimetk
ecosystemspypi
any_deprecatednein
min_days_since_publish2

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

76Gut · 19 % des Gesamtindex

Engineering-Praktiken

60Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://business-science.github.io/pytimetk/
10/10Repository-Beschreibung
10/10Topics — 6 Topics
10/10Wiki
Verwendete Eingangsdaten
topicspandas, polars, time, time-series, timeseries, timeseries-analysis
has_wikija
homepagehttps://business-science.github.io/pytimetk/
docs_sitehttps://business-science.github.io/pytimetk/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

42Schwach · 16 % des Gesamtindex

Sicherheitslage

28Gefährdet
Wie die Bewertung erfolgt
4.5/7.5Binary-Artifacts — binaries present in source code
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — keine Daten
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 4 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 19 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 59 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate2,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): CI-Tests, Packaging. 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_packages59
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:pytimetk@2.5.3 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 59 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.

43Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

24Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
24/40Lesbare Commit-Historie — 45 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,45
agent_instruction_files—
agent_instruction_max_bytes—

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

32Gefährdet
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.4/55Handhabbare Dateigrößen — 2/174 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes78.129
source_files_sampled174
oversized_source_files2

Maschinenlesbare AI-Schnittstellen

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

Eckdaten

966GitHub-Sterne
7Mitwirkende
109Commits, letzte 12 Monate
2Tage seit letztem Push
27Releases
1Bus-Faktor
1offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 85 ⇿
0Sterne
85Forks
26Releases

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.

0204060801008552021-082024-032026-10
Major 2Minor 11Patch 13

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 2.8 / 10
2.8Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-10-19 02:54 UTC

6Binary-Artifactsbinaries present in source code
0Branch-Protectionbranch protection not enabled on development/release branches
k. A.CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
10Contributorsproject has 4 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained19 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities59 existing vulnerabilities detected
Direkte Abhängigkeiten 20
RegistryPaketVersionsvorgabeManifest
PyPIpandas—pyproject.toml
PyPIpandas-flavor>=0.7.0pyproject.toml
PyPImatplotlib>=3.8.0pyproject.toml
PyPIplotnine>=0.12.3pyproject.toml
PyPIplotly>=5.17.0pyproject.toml
PyPIholidays>=0.33pyproject.toml
PyPItsfeatures>=0.4.5pyproject.toml
PyPIstatsmodels>=0.14.0pyproject.toml
PyPItqdm>=4.66.1pyproject.toml
PyPIpolars>=1.2.0pyproject.toml
PyPIpyarrow>=16.1.0pyproject.toml
PyPIadjusttext>=0.8pyproject.toml
PyPIxarray>=2024.6.0pyproject.toml
PyPItimebasedcv>=0.3pyproject.toml
PyPIscikit-learn>=1.5.2pyproject.toml
PyPIpatsy>=0.5.6pyproject.toml
PyPIpomegranate<1.0pyproject.toml
PyPIhmmlearn>=0.3.0pyproject.toml
PyPIcudf-cu12>=24.10.0pyproject.toml
PyPIray>=2.10.0pyproject.toml
Alle Abhängigkeiten 138

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 20 direkte und 118 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIadjusttext0.8direkt
PyPIcudf-cu1225.10.0direkt
PyPIhmmlearn0.3.3direkt
PyPIholidays0.33direkt
PyPImatplotlib3.9.4direkt
PyPIpandas2.2.3direkt
PyPIpandas-flavor0.7.0direkt
PyPIpatsy1.0.1direkt
PyPIplotly5.24.1direkt
PyPIplotnine0.12.4direkt
PyPIpolars1.21.0direkt
PyPIpomegranate0.14.9direkt
PyPIpyarrow16.1.0direkt
PyPIray2.51.1direkt
PyPIscikit-learn1.6.1direkt
PyPIstatsmodels0.14.4direkt
PyPItimebasedcv0.3.0direkt
PyPItqdm4.67.1direkt
PyPItsfeatures0.4.5direkt
PyPIxarray2024.7.0direkt
PyPIannotated-types0.7.0indirekt
PyPIantropy0.1.9indirekt
PyPIappnope0.1.4indirekt
PyPIarch7.2.0indirekt
PyPIasttokens3.0.0indirekt
PyPIattrs25.1.0indirekt
PyPIbeartype0.19.0indirekt
PyPIcachetools6.2.1indirekt
PyPIcertifi2025.1.31indirekt
PyPIcffi1.17.1indirekt
PyPIcharset-normalizer3.4.1indirekt
PyPIclick8.1.8indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.2indirekt
PyPIcontourpy1.3.0indirekt
PyPIcuda-bindings12.9.3indirekt
PyPIcuda-core0.3.2indirekt
PyPIcuda-pathfinder1.3.1indirekt
PyPIcuda-python12.9.3indirekt
PyPIcuda-toolkit12.9.1indirekt
PyPIcupy-cuda12x13.6.0indirekt
PyPIcycler0.12.1indirekt
PyPIcython0.29.37indirekt
PyPIdebugpy1.8.12indirekt
PyPIdecorator5.1.1indirekt
PyPIexceptiongroup1.2.2indirekt
PyPIexecuting2.2.0indirekt
PyPIfastjsonschema2.21.1indirekt
PyPIfastrlock0.8.3indirekt
PyPIfilelock3.19.1indirekt
PyPIfonttools4.55.8indirekt
PyPIfsspec2025.9.0indirekt
PyPIgriffe1.5.6indirekt
PyPIidna3.10indirekt
PyPIimportlib-metadata8.6.1indirekt
PyPIimportlib-resources6.5.2indirekt
PyPIiniconfig2.0.0indirekt
PyPIipykernel6.29.5indirekt
PyPIipython8.18.1indirekt
PyPIjedi0.19.2indirekt
PyPIjoblib1.4.2indirekt
PyPIjsonschema4.23.0indirekt
PyPIjsonschema-specifications2024.10.1indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-core5.7.2indirekt
PyPIkiwisolver1.4.7indirekt
PyPIlibcudf-cu1225.10.0indirekt
PyPIlibkvikio-cu1225.10.0indirekt
PyPIlibrmm-cu1225.10.0indirekt
PyPIllvmlite0.43.0indirekt
PyPImarkdown-it-py3.0.0indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImdurl0.1.2indirekt
PyPImizani0.9.3indirekt
PyPImsgpack1.1.2indirekt
PyPInarwhals1.25.1indirekt
PyPInbclient0.10.2indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInetworkx3.2.1indirekt
PyPInumba0.60.0indirekt
PyPInumba-cuda0.19.1indirekt
PyPInumpy2.0.2indirekt
PyPInvidia-cuda-cccl-cu1212.9.27indirekt
PyPInvidia-cuda-nvcc-cu1212.9.86indirekt
PyPInvidia-cuda-nvrtc-cu1212.9.86indirekt
PyPInvidia-cuda-runtime-cu1212.9.79indirekt
PyPInvidia-nvjitlink-cu1212.9.86indirekt
PyPInvtx0.2.13indirekt
PyPIpackaging24.2indirekt
PyPIparso0.8.4indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow11.1.0indirekt
PyPIplatformdirs4.3.6indirekt
PyPIpluggy1.5.0indirekt
PyPIplum-dispatch1.7.4indirekt
PyPIprompt-toolkit3.0.50indirekt
PyPIprotobuf6.33.0indirekt
PyPIpsutil6.1.1indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpycparser2.22indirekt
PyPIpydantic2.10.6indirekt
PyPIpydantic-core2.27.2indirekt
PyPIpygments2.19.1indirekt
PyPIpylibcudf-cu1225.10.0indirekt
PyPIpyparsing3.2.1indirekt
PyPIpytest7.4.4indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpytz2025.1indirekt
PyPIpywin32308indirekt
PyPIpyyaml6.0.2indirekt
PyPIpyzmq26.2.1indirekt
PyPIquarto0.1.0indirekt
PyPIquartodoc0.7.6indirekt
PyPIrapids-logger0.1.19indirekt
PyPIreferencing0.36.2indirekt
PyPIrequests2.32.3indirekt
PyPIrich13.9.4indirekt
PyPIrmm-cu1225.10.0indirekt
PyPIrpds-py0.22.3indirekt
PyPIscipy1.13.1indirekt
PyPIsix1.17.0indirekt
PyPIsphobjinv2.3.1.2indirekt
PyPIstack-data0.6.3indirekt
PyPIsupersmoother0.4indirekt
PyPItabulate0.9.0indirekt
PyPItenacity9.0.0indirekt
PyPIthreadpoolctl3.5.0indirekt
PyPItomli2.2.1indirekt
PyPItornado6.4.2indirekt
PyPItraitlets5.14.3indirekt
PyPItyping-extensions4.12.2indirekt
PyPItzdata2025.1indirekt
PyPIurllib32.3.0indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcwidth0.2.13indirekt
PyPIzipp3.21.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:pytimetk@2.5.3 zieht 59 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 business-science/pytimetk teilen. Nebeneinander lesen →

95sktime/pytorch-forecastingTime series forecasting with PyTorchAußergewöhnlich94awslabs/gluontsProbabilistic time series modeling in PythonAußergewöhnlich98Nixtla/statsforecastLightning ⚡️ fast forecasting with statistical and econometric models.Außergewöhnlich98sktime/sktimeA unified framework for machine learning with time seriesAußergewöhnlich98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeAußergewöhnlich96unit8co/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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

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