Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-10-14 09:46 UTC

equinor / fmu-dataio

FMU data standard and data export with rich metadata in the FMU context

PythonApache-2.0★ 11 Sterne⑂ 20 Forksseit Feb. 2021Auf GitHub ansehen ↗
ArtBibliothekPluginwie das ermittelt wird
#data#fmu#jsonschema#python#subsurface#sumo

equinor/fmu-dataio erreicht einen Gesundheitsindex von 96 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei Community & Adoption (54/100). Zuletzt heute aktualisiert. 3 Mitwirkende tragen den Großteil der jüngsten Arbeit.

96
gesamt / 100
Außergewöhnlich

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.

96
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 84 wird auf der veröffentlichten Indexskala auf 96 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

EquinorOrganisation · verifizierte Domain
1.838 Follower760 öffentliche Reposseit Dez. 2010

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIfmu-dataio2.32.04.222117vor 0 Tagenfmusumo

Metriken nach Kategorie

Vitalität

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

99Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

99Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
35.3/36Commit-Rhythmus — 51/52 Wochen mit Commits
18/18Commit-Volumen — 311 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 15 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year311
human_commit_share0,71
days_since_last_push0
active_weeks_last_year51

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 14,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tag2.32.0
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases14,9
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

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

54Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

30Gefährdet
Wie die Bewertung erfolgt
16.2/60Stars — 11 Stars
10.7/25Forks — 20 Forks
2.7/15Watcher — 4 Watcher
Verwendete Eingangsdaten
forks20
stars11
watchers4
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesbadge.fury.io, github.com, readthedocs.org, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

60Mittel
Wie die Bewertung erfolgt
48.3/80Downloads pro Monat — 4.222 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesfmu-dataio
dependents—
ecosystemspypi
total_downloads—
monthly_downloads4.222
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?

89Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

72Gut
Wie die Bewertung erfolgt
36/54Bus-Faktor — 3 Beitragende decken die Hälfte aller Commits ab
16.9/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 25 % der Commits
13.5/13.5Breite der Beitragenden — 21 Beitragende
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Verwendete Eingangsdaten
bus_factor3
contributors_sampled21
top_contributor_share0,251

Reaktionsfähigkeit bei Issues & PRs

92Exzellent
Wie die Bewertung erfolgt
37.5/42Issue-Lösungsquote — 89 % der Issues geschlossen
27.2/30PR-Annahme — 979/1.081 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs979
open_issues84
closed_issues703
prs_merged_7d2
prs_decided_7d2
prs_merged_30d17
prs_decided_30d18
issue_closed_ratio0,893
closed_unmerged_prs102
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

98Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
23.5/25Reichweite des Inhabers — 1.838 Follower von equinor
25/25Kontohistorie — 760 öffentliche Repos, Kontoalter ca. 15 Jahre
Verwendete Eingangsdaten
followers1.838
owner_typeOrganization
is_verifiedja
owner_loginequinor
public_repos760
account_age_days5.780

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 117 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesfmu-dataio
ecosystemspypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

90Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

84Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 6 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://fmu-dataio.readthedocs.io/en/latest/
10/10Repository-Beschreibung
10/10Topics — 6 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsdata, fmu, jsonschema, python, subsurface, sumo
has_wikija
homepagehttps://fmu-dataio.readthedocs.io/en/latest/
docs_sitehttps://fmu-dataio.readthedocs.io/en/latest/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

90Exzellent · 16 % des Gesamtindex

Sicherheitslage

88Exzellent
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 15 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
3/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 6
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
6.8/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate8,8
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. 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
0/25Indirekte Abhängigkeiten ohne bekannte Advisories — transitive Menge in diesem Bereich nicht von Entwicklungs- und Test-Abhängigkeiten trennbar
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages223
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Indirekte Abhängigkeiten ohne bekannte Advisories, Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. 223 aufgelöste Abhängigkeiten wurden mit OSV abgeglichen. Dieses Repository veröffentlicht kein Paket, das der Index auflöst; bewertet wurde daher der Abhängigkeitsgraph des Repositorys. Dieser Graph vermischt Entwicklungs- und Test-Pins mit ausgelieferten Abhängigkeiten, daher werden nur die deklarierten Laufzeit-Abhängigkeiten bewertet; transitive Befunde werden als Kontext ausgewiesen und fließen nicht in die Bewertung ein. 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.

63Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

28Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
28.5/40Lesbare Commit-Historie — 38 von 71 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,535
agent_instruction_files—
agent_instruction_max_bytes—

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

68Gut
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — src/fmu/dataio/py.typed
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
8/8Automatisierte Wartung — 29 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
6/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 6
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configssrc/fmu/dataio/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,29

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/fmu/dataio/py.typed)
54.6/55Handhabbare Dateigrößen — 1/147 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes72.668
source_files_sampled147
oversized_source_files1

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 — examples
Verwendete Eingangsdaten
example_dirsexamples
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

11GitHub-Sterne
21Mitwirkende
311Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
3Bus-Faktor
84offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:fmu-dataio@2.32.0; advisories assessed against the repository dependency graph instead

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 20 ⇿
0Sterne
20Forks
93Releases

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.

0481216202022021-052023-122026-06
Major 2Minor 40Patch 36

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 8.8 / 10
8.8Gesamtwert

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 · 2026-10-14 09:45 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 15 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
6Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 6
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
9Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 10
RegistryPaketVersionsvorgabeManifest
PyPIPyYAML—pyproject.toml
PyPIfmu-datamodels~=0.26.3pyproject.toml
PyPIfmu-settings>=0.34.0pyproject.toml
PyPIfmu-sumo—pyproject.toml
PyPIjsonschema—pyproject.toml
PyPInumpy—pyproject.toml
PyPIpandas—pyproject.toml
PyPIpyarrow—pyproject.toml
PyPIpydantic—pyproject.toml
PyPIxtgeo>=2.16pyproject.toml
Alle Abhängigkeiten 223

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 11 direkte und 212 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIfmu-datamodels0.26.4direkt
PyPIfmu-settings1.6.0direkt
PyPIfmu-sumo2.16.0direkt
PyPIjsonschema4.26.0direkt
PyPInumpy2.4.6direkt
PyPInumpy2.5.3direkt
PyPIpandas3.0.6direkt
PyPIpyarrow25.0.1direkt
PyPIpydantic2.13.5direkt
PyPIpyyaml6.0.3direkt
PyPIxtgeo4.26.0direkt
PyPIaccessible-pygments0.0.5indirekt
PyPIaiohappyeyeballs2.7.1indirekt
PyPIaiohttp3.14.4indirekt
PyPIaiosignal1.4.0indirekt
PyPIalabaster1.0.0indirekt
PyPIannotated-doc0.0.5indirekt
PyPIannotated-types0.8.0indirekt
PyPIanyio4.15.1indirekt
PyPIast-serialize0.12.1indirekt
PyPIattrs26.1.0indirekt
PyPIautoapi2.0.1indirekt
PyPIautodoc-pydantic2.2.0indirekt
PyPIazure-core1.41.0indirekt
PyPIazure-identity1.26.0indirekt
PyPIbabel2.18.0indirekt
PyPIbeautifulsoup44.15.0indirekt
PyPIblosc24.14.1indirekt
PyPIcarolina2.0.4indirekt
PyPIcarolina2.0.5indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIcftime1.6.6indirekt
PyPIcharset-normalizer3.5.2indirekt
PyPIclarabel0.11.1indirekt
PyPIclick8.5.0indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcontourpy1.3.3indirekt
PyPIcontourpy1.4.0indirekt
PyPIcoverage7.16.2indirekt
PyPIcryptography50.0.2indirekt
PyPIcvxpy1.9.3indirekt
PyPIcycler0.12.1indirekt
PyPIdecorator5.3.1indirekt
PyPIdeprecation2.1.0indirekt
PyPIdnspython2.8.0indirekt
PyPIdocutils0.22.4indirekt
PyPIemcee3.1.6indirekt
PyPIert23.0.1indirekt
PyPIert26.0.1indirekt
PyPIet-xmlfile2.0.0indirekt
PyPIexecnet2.1.2indirekt
PyPIfastapi0.142.2indirekt
PyPIfastexcel0.21.0indirekt
PyPIfilelock4.0.12indirekt
PyPIfmu-config1.7.3indirekt
PyPIfonttools4.66.1indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfuro2025.12.19indirekt
PyPIgraphite-maps0.0.10indirekt
PyPIgraphite-maps0.0.11indirekt
PyPIgstools1.7.0indirekt
PyPIgstools-cython1.2.0indirekt
PyPIh110.16.0indirekt
PyPIh24.4.1indirekt
PyPIh5py3.16.0indirekt
PyPIhankel1.2.2indirekt
PyPIhdf5plugin7.1.0indirekt
PyPIhighspy1.15.1indirekt
PyPIhpack4.2.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhttpx-retries0.6.0indirekt
PyPIhumanize4.16.0indirekt
PyPIhyperframe6.1.0indirekt
PyPIhypothesis6.168.5indirekt
PyPIidna3.20indirekt
PyPIimagesize2.0.1indirekt
PyPIiniconfig2.3.0indirekt
PyPIiterative-ensemble-smoother1.2.0indirekt
PyPIiterative-ensemble-smoother1.3.0indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.6.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIkiwisolver1.5.1indirekt
PyPIlark1.3.1indirekt
PyPIlibrt0.16.0indirekt
PyPIlxml6.1.3indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.4indirekt
PyPImatplotlib3.11.2indirekt
PyPImdit-py-plugins0.6.1indirekt
PyPImdurl0.1.2indirekt
PyPImeshio5.3.5indirekt
PyPImpmath1.4.1indirekt
PyPImsal1.39.0indirekt
PyPImsal-extensions1.3.1indirekt
PyPImsgpack1.2.3indirekt
PyPImultidict6.9.1indirekt
PyPImypy2.4.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPImyst-parser5.1.0indirekt
PyPInarwhals2.26.0indirekt
PyPInatsort8.4.0indirekt
PyPIndindex1.10.1indirekt
PyPInetcdf41.7.4indirekt
PyPInetworkx3.6.1indirekt
PyPInetworkx3.7indirekt
PyPInumexpr2.14.2indirekt
PyPIopenpyxl3.1.5indirekt
PyPIopentelemetry-api1.45.0indirekt
PyPIopentelemetry-instrumentation0.66b0indirekt
PyPIopentelemetry-instrumentation-threading0.66b0indirekt
PyPIopentelemetry-sdk1.45.0indirekt
PyPIopentelemetry-semantic-conventions0.66b0indirekt
PyPIorjson3.12.0indirekt
PyPIosqp1.1.3indirekt
PyPIpackaging26.3indirekt
PyPIpandas-stubs3.0.5.260914indirekt
PyPIpathspec1.1.1indirekt
PyPIpbr7.0.3indirekt
PyPIpillow12.3.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpolars2.0.0indirekt
PyPIpolars-runtime-322.0.0indirekt
PyPIprobabilit0.5.0indirekt
PyPIprogressbar24.6.0indirekt
PyPIpropcache0.5.4indirekt
PyPIpsutil7.2.2indirekt
PyPIpy-cpuinfo9.0.0indirekt
PyPIpyarrow-stubs20.0.0.20260819indirekt
PyPIpycparser3.0indirekt
PyPIpydantic-core2.46.5indirekt
PyPIpydantic-settings2.15.0indirekt
PyPIpydocstyle6.3.0indirekt
PyPIpyevtk1.7.0indirekt
PyPIpygments2.21.0indirekt
PyPIpyjwt2.15.1indirekt
PyPIpyparsing3.3.3indirekt
PyPIpyqt66.9.1indirekt
PyPIpyqt6-qt66.9.2indirekt
PyPIpyqt6-sip13.13.0indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-mock3.16.0indirekt
PyPIpytest-runner6.0.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-calamine0.8.2indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.2.4indirekt
PyPIpython-multipart0.0.32indirekt
PyPIpython-utils4.1.0indirekt
PyPIpyzmq27.2.0indirekt
PyPIqdldl0.1.9.post1indirekt
PyPIreferencing0.37.0indirekt
PyPIrequests2.34.2indirekt
PyPIresfo5.0.1indirekt
PyPIresfo-utilities1.1.1indirekt
PyPIrich15.0.0indirekt
PyPIroffio1.1.1indirekt
PyPIroman-numerals4.1.0indirekt
PyPIropt0.27.1indirekt
PyPIropt0.28.1indirekt
PyPIropt-dakota0.27.0indirekt
PyPIropt-dakota0.28.0indirekt
PyPIrpds-py2026.9.1indirekt
PyPIrstcheck6.3.0indirekt
PyPIrstcheck-core1.3.2indirekt
PyPIruamel-yaml0.19.1indirekt
PyPIruff0.16.10indirekt
PyPIscikit-learn1.9.1indirekt
PyPIscipy1.17.1indirekt
PyPIscipy1.18.1indirekt
PyPIscs3.3.1indirekt
PyPIseaborn0.13.2indirekt
PyPIsegyio1.9.14indirekt
PyPIsetuptools84.0.0indirekt
PyPIshapely2.1.2indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsnowballstemmer3.1.1indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.10indirekt
PyPIsparsediffpy0.6.1indirekt
PyPIsphinx9.0.4indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-autodoc-typehints3.13.8indirekt
PyPIsphinx-autodoc-typehints3.6.1indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-togglebutton0.4.5indirekt
PyPIsphinxcontrib-apidoc0.6.0indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIstarlette1.7.0indirekt
PyPIsumo-wrapper-python1.10.0indirekt
PyPIsurfio0.0.22indirekt
PyPIsurfio0.0.24indirekt
PyPItables3.11.1indirekt
PyPItabulate0.10.0indirekt
PyPItenacity9.1.4indirekt
PyPIthreadpoolctl3.7.0indirekt
PyPItomli2.4.1indirekt
PyPItqdm4.70.1indirekt
PyPItyper0.27.2indirekt
PyPItypes-pyyaml6.0.12.20260906indirekt
PyPItypes-requests2.33.0.20261006indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.4indirekt
PyPItzdata2026.5indirekt
PyPIurllib32.8.0indirekt
PyPIuvicorn0.54.0indirekt
PyPIwebsockets17.2indirekt
PyPIwheel0.48.0indirekt
PyPIwrapt2.5.0indirekt
PyPIxarray2026.9.0indirekt
PyPIxtgeoviz0.3.2indirekt
PyPIyarl1.25.1indirekt
Abhängigkeits-Advisories 0

Dieses Repository veröffentlicht kein vom Index auflösbares Paket, daher wurde sein eigener Abhängigkeitsgraph bewertet – 223 Pakete, darunter auch Entwicklungs- und Test-Pins, die nie ausgeliefert werden: 0 tragen bekannte Advisories, davon 0 direkte.

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 equinor/fmu-dataio teilen. Nebeneinander lesen →

100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Außergewöhnlich97visgl/deck.glWebGL2 powered visualization frameworkAußergewöhnlich98deepnote/deepnoteDeepnote is a drop-in replacement for Jupyter with an AI-first design, sleek UI, new blocks, and native data integrations. Use Python, R, and SQL locally in your favorite IDE, then scale to Deepnote cloud for real-time collaboration, Deepnote agent, and deployable data apps. https://deepnote.com/Außergewöhnlich100aws/aws-sam-cliCLI tool to build, test, debug, and deploy Serverless applications using AWS SAMAußergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.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.