Software-GesundheitsberichtSchema 0.16.0 · Metriken 2.10.0 · 2026-07-21 03:16 UTC

holoviz / hvplot

A high-level plotting API for pandas, dask, xarray, and networkx built on HoloViews

PythonBSD-3-Clause★ 1.355 Sterne⑂ 120 Forksseit März 2018Auf GitHub ansehen ↗

#holoviz #holoviews #plotting #datashader

holoviz/hvplot erreicht einen Gesundheitsindex von 93 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Engineering Quality (91/100) ab, am schwächsten bei AI Readiness (44/100). Zuletzt vor 7 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

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.

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)

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 79 wird auf der veröffentlichten Indexskala auf 93 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

HoloVizOrganisation

446 Follower15 öffentliche Reposseit Juni 2019

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

Paket-Ökosysteme

Registry	Paket	Version	Downloads / Monat	Versionen	Zuletzt veröffentlicht
PyPI	hvplot	0.12.2	1.293.995	92	vor 214 Tagen

Metriken nach Kategorie

Vitalität

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

73Gut · 21 % des Gesamtindex

Entwicklungsaktivität

75Gut

Wie die Bewertung erfolgt

36/36	Push-Aktualität — letzter Push vor 7 Tagen
13.2/36	Commit-Rhythmus — 19/52 Wochen mit Commits
15.9/18	Commit-Volumen — 58 Commits im letzten Jahr
10/10	OpenSSF Scorecard: Maintained — 11 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10

Verwendete Eingangsdaten

commits_last_year	58
human_commit_share	—
days_since_last_push	7
active_weeks_last_year	19

Release-Disziplin

70Gut

Wie die Bewertung erfolgt

27/27	Liefert Releases aus — 27 Releases veröffentlicht
16.2/36	Release-Aktualität — letztes Release vor 214 Tagen
19.8/27	Release-Rhythmus — ein Release etwa alle 76,6 Tage
0/10	OpenSSF Scorecard: Signed-Releases — keine Daten

Verwendete Eingangsdaten

releases_count	27
latest_release_tag	v0.12.2
releases_from_tags	nein
days_since_latest_release	214
mean_days_between_releases	76,6

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?

88Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

76Gut

Wie die Bewertung erfolgt

50.8/60	Stars — 1.355 Stars
17.3/25	Forks — 120 Forks
7.6/15	Watcher — 24 Watcher

Verwendete Eingangsdaten

forks	120
stars	1.355
watchers	24
growth_state	unverified
growth_factor_pct	100
growth_unverified_reason	no_history

Community-Gesundheit

92Exzellent

Wie die Bewertung erfolgt

22.5/22.5	README
22.5/22.5	Lizenz — anerkannte Lizenz (BSD-3-Clause)
18/18	CONTRIBUTING-Leitfaden
13.5/13.5	Verhaltenskodex
0/7.2	Issue-Vorlage
6.3/6.3	PR-Vorlage

Verwendete Eingangsdaten

has_readme	ja
has_license	ja
readme_badges	—
has_contributing	ja
has_issue_template	nein
has_code_of_conduct	ja
readme_badge_services	—
has_pull_request_template	ja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich

Wie die Bewertung erfolgt

80/80	Downloads pro Monat — 1.293.995 Downloads/Monat über pypi
0/20	Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen

Verwendete Eingangsdaten

packages	hvplot
dependents	—
ecosystems	pypi
total_downloads	—
monthly_downloads	1.293.995
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?

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

63Mittel

Wie die Bewertung erfolgt

25.2/54	Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
14.6/22.5	Commit-Verteilung — wichtigste beitragende Person verfasste 35 % der Commits
13.5/13.5	Breite der Beitragenden — 52 Beitragende
10/10	OpenSSF Scorecard: Contributors — project has 18 contributing companies or organizations

Verwendete Eingangsdaten

bus_factor	2
contributors_sampled	52
top_contributor_share	0,353

Reaktionsfähigkeit bei Issues & PRs

68Gut

Wie die Bewertung erfolgt

25.3/42	Issue-Lösungsquote — 60 % der Issues geschlossen
27.5/30	PR-Annahme — 651/709 entschiedene PRs gemergt
0/13	Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
6/15	OpenSSF Scorecard: Code-Review — Found 12/29 approved changesets -- score normalized to 4

Verwendete Eingangsdaten

merged_prs	651
open_issues	371
closed_issues	562
prs_merged_7d	—
prs_decided_7d	—
prs_merged_30d	—
prs_decided_30d	—
issue_closed_ratio	0,602
closed_unmerged_prs	58
first_time_authors_30d	—
first_time_prs_merged_30d	—
first_time_prs_decided_30d	—

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

87Exzellent

Wie die Bewertung erfolgt

30/30	Organisatorische Trägerschaft — im Besitz einer Organisation
0/20	Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
19.1/25	Reichweite des Inhabers — 446 Follower von holoviz
20.8/25	Kontohistorie — 15 öffentliche Repos, Kontoalter ca. 7 Jahre

Verwendete Eingangsdaten

followers	446
owner_type	Organization
is_verified	—
owner_login	holoviz
public_repos	15
account_age_days	2.597

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

91Exzellent

Wie die Bewertung erfolgt

25/25	Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
26/35	Veröffentlichungsaktualität — letzte Veröffentlichung vor 214 Tagen
20/20	Versionshistorie — 92 veröffentlichte Versionen
20/20	Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen

Verwendete Eingangsdaten

packages	hvplot
ecosystems	pypi
any_deprecated	nein
min_days_since_publish	214

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent

Wie die Bewertung erfolgt

24/24	CI-Workflows — 6 Workflow(s)
24/24	Tests vorhanden
16/16	Linter-Konfiguration
9.6/9.6	Pre-Commit-Hooks
0/6.4	.editorconfig
18/20	OpenSSF Scorecard: CI-Tests — 29 out of 30 merged PRs checked by a CI test -- score normalized to 9

Verwendete Eingangsdaten

has_ci	ja
has_tests	ja
has_editorconfig	nein
has_linter_config	ja
has_precommit_config	ja

Dokumentation

90Exzellent

Wie die Bewertung erfolgt

30/30	README
25/25	Dokumentationsverzeichnis
15/15	Dokumentations-/Homepage-Site — https://hvplot.holoviz.org
10/10	Repository-Beschreibung
10/10	Topics — 4 Topics
0/10	Wiki

Verwendete Eingangsdaten

topics	holoviz, holoviews, plotting, datashader
has_wiki	nein
homepage	https://hvplot.holoviz.org
docs_site	https://hvplot.holoviz.org
has_readme	ja
has_docs_dir	ja
has_description	ja

Sicherheit

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

74Gut · 16 % des Gesamtindex

Sicherheitslage

67Gut

Wie die Bewertung erfolgt

7.5/7.5	Binary-Artifacts — no binaries found in the repo
0/7.5	Branch-Protection — keine Daten
2.2/2.5	CI-Tests — 29 out of 30 merged PRs checked by a CI test -- score normalized to 9
0/2.5	CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3/7.5	Code-Review — Found 12/29 approved changesets -- score normalized to 4
2.5/2.5	Contributors — project has 18 contributing companies or organizations
10/10	Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5	Dependency-Update-Tool — no update tool detected
0/5	Fuzzing — project is not fuzzed
2.5/2.5	Lizenz — license file detected
7.5/7.5	Maintained — 11 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
5/5	Packaging — packaging workflow detected
4.5/5	Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 9
1.5/5	SAST — SAST tool is not run on all commits -- score normalized to 3
0/5	Security-Policy — security policy file not detected
0/7.5	Signed-Releases — keine Daten
6.8/7.5	Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5	Vulnerabilities — 0 existing vulnerabilities detected

Verwendete Eingangsdaten

source	openssf_scorecard
checks_evaluated	16
scorecard_version	v5.5.0
checks_inconclusive	2
scorecard_aggregate	6,7

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

35/35	Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25	Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40	Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum

Verwendete Eingangsdaten

source	osv
advisories	0
affected_packages	0
assessed_packages	34
unassessed_packages	0
affected_by_severity	none
direct_affected_packages	0

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:hvplot@0.12.2 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 34 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.

44Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch

Wie die Bewertung erfolgt

0/45	Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15	Maschinenlesbare Doku (llms.txt)
0/40	Lesbare Commit-Historie — keine Daten

Verwendete Eingangsdaten

has_llms_txt	nein
llms_txt_url	—
legible_history_share	—
agent_instruction_files	—
agent_instruction_max_bytes	—

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

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

51Mittel

Wie die Bewertung erfolgt

0/18	Bootstrap mit einem Befehl
22/22	Automatisierte Tests
11/11	Lint-/Format-Konfiguration
0/11	Statische Typprüfung
0/10	Reproduzierbare Umgebung
0/10	Belegte Agentenpraxis — keine Daten
0/8	Automatisierte Wartung — keine Daten
9/10	OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 9

Verwendete Eingangsdaten

has_nix	nein
has_tests	ja
lockfiles	—
has_dockerfile	nein
typed_language	nein
bootstrap_files	—
has_devcontainer	nein
has_linter_config	ja
typecheck_configs	—
agent_commit_share	—
toolchain_manifests	—
dependency_bot_commit_share	—

Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis, Automatisierte Wartung. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

53Mittel

Wie die Bewertung erfolgt

0/45	Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.4/55	Handhabbare Dateigrößen — 2/67 Quelldateien über 60 KB

Verwendete Eingangsdaten

primary_language	Python
largest_source_bytes	137.985
source_files_sampled	67
oversized_source_files	2

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich

Wie die Bewertung erfolgt

0/40	API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20	MCP-Server — für diese Art von Software nicht anwendbar
40/40	Lauffähige Beispiele — notebooks

Verwendete Eingangsdaten

example_dirs	notebooks
has_mcp_signal	nein
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

1.355GitHub-Sterne

52Mitwirkende

58Commits, letzte 12 Monate

7Tage seit letztem Push

27Releases

2Bus-Faktor

371offene Issues

PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 6.7 / 10

6.7Gesamtwert

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 · 2026-07-21 03:15 UTC

10	Binary-Artifacts	no binaries found in the repo
k. A.	Branch-Protection	internal 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
9	CI-Tests	29 out of 30 merged PRs checked by a CI test -- score normalized to 9
0	CII-Best-Practices	no effort to earn an OpenSSF best practices badge detected
4	Code-Review	Found 12/29 approved changesets -- score normalized to 4
10	Contributors	project has 18 contributing companies or organizations
10	Dangerous-Workflow	no dangerous workflow patterns detected
0	Dependency-Update-Tool	no update tool detected
0	Fuzzing	project is not fuzzed
10	License	license file detected
10	Maintained	11 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
10	Packaging	packaging workflow detected
9	Pinned-Dependencies	dependency not pinned by hash detected -- score normalized to 9
3	SAST	SAST tool is not run on all commits -- score normalized to 3
0	Security-Policy	security policy file not detected
k. A.	Signed-Releases	no releases found
9	Token-Permissions	detected GitHub workflow tokens with excessive permissions
10	Vulnerabilities	0 existing vulnerabilities detected

Direkte Abhängigkeiten 8

Registry	Paket	Versionsvorgabe	Manifest
PyPI	bokeh	`>=3.1`	pyproject.toml
PyPI	colorcet	`>=2`	pyproject.toml
PyPI	holoviews	`>=1.19.0`	pyproject.toml
PyPI	numpy	`>=1.21`	pyproject.toml
PyPI	packaging	`—`	pyproject.toml
PyPI	pandas	`>=1.3`	pyproject.toml
PyPI	panel	`>=1.0`	pyproject.toml
PyPI	param	`>=1.12.0,<3.0`	pyproject.toml

Alle Abhängigkeiten 32

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 7 direkte und 25 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

Registry	Paket	Version	Beziehung
PyPI	bokeh	`—`	direkt
PyPI	colorcet	`—`	direkt
PyPI	holoviews	`—`	direkt
PyPI	numpy	`—`	direkt
PyPI	pandas	`—`	direkt
PyPI	panel	`—`	direkt
PyPI	param	`—`	direkt
PyPI	bokeh-sampledata	`—`	indirekt
PyPI	dask	`—`	indirekt
PyPI	datashader	`—`	indirekt
PyPI	fugue-sql-antlr	`—`	indirekt
PyPI	geodatasets	`—`	indirekt
PyPI	geoviews	`—`	indirekt
PyPI	hatch-vcs	`—`	indirekt
PyPI	hatchling	`—`	indirekt
PyPI	hvsampledata	`—`	indirekt
PyPI	nbsite	`—`	indirekt
PyPI	networkx	`—`	indirekt
PyPI	notebook	`—`	indirekt
PyPI	numba	`—`	indirekt
PyPI	pillow	`—`	indirekt
PyPI	pooch	`—`	indirekt
PyPI	pyviz-comms	`—`	indirekt
PyPI	s3fs	`—`	indirekt
PyPI	scikit-image	`—`	indirekt
PyPI	scikit-learn	`—`	indirekt
PyPI	scipy	`—`	indirekt
PyPI	selenium	`—`	indirekt
PyPI	setuptools-scm	`—`	indirekt
PyPI	spatialpandas	`—`	indirekt
PyPI	xarray	`—`	indirekt
PyPI	xyzservices	`—`	indirekt

Abhängigkeits-Advisories 0

Die Installation von pypi:hvplot@0.12.2 zieht 34 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.

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 v0.16.0 — vollständige Methodik · Metriken-Wiki.

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

Software-Gesundheitsindex

Bewertungsprofil

Eigentümerschaft

Paket-Ökosysteme

Metriken nach Kategorie

Eckdaten

Weitere Details

Feedback

Verwandte Einträge