Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-14 00:14 UTC

mmschlk / shapiq

Shapley Interactions and Shapley Values for Machine Learning

Python · C++MIT★ 782 Sterne⑂ 74 Forksseit Okt. 2023Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#python#feature-interactions#explainability#interpretability#machine-learning#shap#shapley#shapiq#shapley-interactions#banzhaf-index#explainable-ai#feature-importance#game-theory#interpretable-machine-learning#feature-attribution

mmschlk/shapiq erreicht einen Gesundheitsindex von 91 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Engineering Quality (94/100) ab, am schwächsten bei Security (63/100). Zuletzt vor 12 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

91
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.

91
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 77 wird auf der veröffentlichten Indexskala auf 91 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

MaximilianPersönliches Konto
60 Follower11 öffentliche Reposseit Nov. 2018AIML@LMU

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIshapiq1.7.0-24vor 17 Tagenpythonmachine-learninginterpretable-machine-learningshapxaiexplainable-aiinteractionshapley-interactionsshapley-valuesfeature-interaction

Metriken nach Kategorie

Vitalität

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

84Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

78Gut
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 12 Tagen
20.8/36Commit-Rhythmus — 30/52 Wochen mit Commits
18/18Commit-Volumen — 136 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year136
human_commit_share0,87
days_since_last_push12
active_weeks_last_year30

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 23 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 17 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 48,5 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count23
latest_release_tagv1.7.0
releases_from_tagsnein
days_since_latest_release17
mean_days_between_releases48,5
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?

79Gut · 17 % des Gesamtindex

Popularität & Verbreitung

68Gut
Wie die Bewertung erfolgt
46.9/60Stars — 782 Stars
15.5/25Forks — 74 Forks
5.3/15Watcher — 10 Watcher
Verwendete Eingangsdaten
forks74
stars782
watchers10
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges9
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesbadge.fury.io, codecov.io, github.com, readthedocs.org, shields.io
has_pull_request_templateja

Nachhaltigkeit & Governance

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

64Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

39Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
6.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 70 % der Commits
13.5/13.5Breite der Beitragenden — 28 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 10 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled28
top_contributor_share0,702

Reaktionsfähigkeit bei Issues & PRs

77Gut
Wie die Bewertung erfolgt
38.9/42Issue-Lösungsquote — 92 % der Issues geschlossen
25.1/30PR-Annahme — 270/323 entschiedene PRs gemergt
4.3/13Newcomer PR acceptance — 2/6 PRs von Erstbeitragenden in 30 Tagen gemergt
9/15OpenSSF Scorecard: Code-Review — Found 18/27 approved changesets -- score normalized to 6
Verwendete Eingangsdaten
merged_prs270
open_issues19
closed_issues233
prs_merged_7d0
prs_decided_7d0
prs_merged_30d14
prs_decided_30d18
issue_closed_ratio0,925
closed_unmerged_prs53
first_time_authors_30d4
first_time_prs_merged_30d2
first_time_prs_decided_30d6

Eigentümerschaft & Trägerschaft

53Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
12.8/25Reichweite des Inhabers — 60 Follower von mmschlk
19.9/25Kontohistorie — 11 öffentliche Repos, Kontoalter ca. 7 Jahre
Verwendete Eingangsdaten
followers60
owner_typeUser
is_verified—
owner_loginmmschlk
public_repos11
account_age_days2.858
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 17 Tagen
20/20Versionshistorie — 24 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesshapiq
ecosystemspypi
any_deprecatednein
min_days_since_publish17

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

94Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

90Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 22 out of 25 merged PRs checked by a CI test -- score normalized to 8
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://shapiq.readthedocs.io
10/10Repository-Beschreibung
10/10Topics — 15 Topics
10/10Wiki
Verwendete Eingangsdaten
topicspython, feature-interactions, explainability, interpretability, machine-learning, shap, shapley, shapiq, shapley-interactions, banzhaf-index, explainable-ai, feature-importance, game-theory, interpretable-machine-learning, feature-attribution
has_wikija
homepagehttps://shapiq.readthedocs.io
docs_sitehttps://shapiq.readthedocs.io
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

63Mittel · 16 % des Gesamtindex

Sicherheitslage

54Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2/2.5CI-Tests — 22 out of 25 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
4.5/7.5Code-Review — Found 18/27 approved changesets -- score normalized to 6
2.5/2.5Contributors — project has 10 contributing companies or organizations
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 9 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 88 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): 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
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_packages26
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:shapiq@1.7.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 26 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.

88Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

84Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md, CLAUDE.md
0/15Maschinenlesbare Doku (llms.txt)
39.2/40Lesbare Commit-Historie — 64 von 87 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,736
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes2.746

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

90Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — docs/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — src/shapiq/py.typed
10/10Reproduzierbare Umgebung — lockfile
10/10Belegte Agentenpraxis — 18 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 13 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesdocs/Makefile
has_devcontainernein
has_linter_configja
typecheck_configssrc/shapiq/py.typed
agent_commit_share0,18
toolchain_manifests—
dependency_bot_commit_share0,13

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (src/shapiq/py.typed)
54.7/55Handhabbare Dateigrößen — 2/377 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes105.954
source_files_sampled377
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 — 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

782GitHub-Sterne
28Mitwirkende
136Commits, letzte 12 Monate
12Tage seit letztem Push
23Releases
1Bus-Faktor
19offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'shapiq' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 74 ⇿
0Sterne
74Forks
20Releases

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.

01325385063757162024-022025-062026-09
Major 1Minor 7Patch 9

Jeder Punkt umfasst 3 Tage.

OpenSSF Scorecard 5.4 / 10
5.4Gesamtwert

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 · 2026-09-14 00:14 UTC

10Binary-Artifactsno binaries found in the repo
5Branch-Protectionbranch protection is not maximal on development and all release branches
8CI-Tests22 out of 25 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
6Code-ReviewFound 18/27 approved changesets -- score normalized to 6
10Contributorsproject has 10 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 9 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities88 existing vulnerabilities detected
Direkte Abhängigkeiten 11
RegistryPaketVersionsvorgabeManifest
PyPInumpy—pyproject.toml
PyPIscipy—pyproject.toml
PyPIpandas—pyproject.toml
PyPIjoblib—pyproject.toml
PyPIscikit-learn—pyproject.toml
PyPItqdm—pyproject.toml
PyPIrequests—pyproject.toml
PyPImatplotlib—pyproject.toml
PyPInetworkx—pyproject.toml
PyPIcolour—pyproject.toml
PyPIpillow—pyproject.toml
Alle Abhängigkeiten 272

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 11 direkte und 261 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIcolour0.1.5direkt
PyPIjoblib1.5.3direkt
PyPImatplotlib3.10.8direkt
PyPInetworkx3.6.1direkt
PyPInumpy2.4.3direkt
PyPIpandas3.0.1direkt
PyPIpillow12.1.1direkt
PyPIrequests2.32.5direkt
PyPIscikit-learn1.8.0direkt
PyPIscipy1.17.1direkt
PyPItqdm4.67.3direkt
PyPIabsl-py2.4.0indirekt
PyPIaccessible-pygments0.0.5indirekt
PyPIalabaster1.0.0indirekt
PyPIalembic1.18.5indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.12.1indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi25.1.0indirekt
PyPIargon2-cffi-bindings25.1.0indirekt
PyPIarrow1.4.0indirekt
PyPIasttokens3.0.1indirekt
PyPIastunparse1.6.3indirekt
PyPIasync-lru2.2.0indirekt
PyPIattrs25.4.0indirekt
PyPIbabel2.18.0indirekt
PyPIbackoff2.2.1indirekt
PyPIbeautifulsoup44.14.3indirekt
PyPIbleach6.3.0indirekt
PyPIbotorch0.14.0indirekt
PyPIcatboost1.2.10indirekt
PyPIcertifi2026.2.25indirekt
PyPIcffi2.0.0indirekt
PyPIcfgv3.5.0indirekt
PyPIcharset-normalizer3.4.5indirekt
PyPIclick8.3.1indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.10.1indirekt
PyPIcomm0.2.3indirekt
PyPIconfigspace1.2.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage7.13.4indirekt
PyPIcycler0.12.1indirekt
PyPIdask2026.3.0indirekt
PyPIdask-jobqueue0.9.0indirekt
PyPIdebugpy1.8.20indirekt
PyPIdecorator5.2.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdistlib0.4.0indirekt
PyPIdistributed2026.3.0indirekt
PyPIdistro1.9.0indirekt
PyPIdocutils0.22.4indirekt
PyPIeinops0.8.2indirekt
PyPIemcee3.1.6indirekt
PyPIeval-type-backport0.3.1indirekt
PyPIexecnet2.1.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfastjsonschema2.21.2indirekt
PyPIfilelock3.25.2indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfonttools4.62.0indirekt
PyPIfqdn1.5.1indirekt
PyPIfsspec2026.2.0indirekt
PyPIfuro2025.12.19indirekt
PyPIgalois0.4.10indirekt
PyPIgast0.7.0indirekt
PyPIgoogle-pasta0.2.0indirekt
PyPIgpytorch1.14indirekt
PyPIgraphviz0.21indirekt
PyPIgreenlet3.5.3indirekt
PyPIgrpcio1.78.0indirekt
PyPIh110.16.0indirekt
PyPIh5py3.14.0indirekt
PyPIhf-xet1.4.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub1.6.0indirekt
PyPIidentify2.6.17indirekt
PyPIidna3.11indirekt
PyPIimageio2.37.3indirekt
PyPIimagesize2.0.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIipykernel7.2.0indirekt
PyPIipython9.11.0indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIipywidgets8.1.8indirekt
PyPIisoduration20.11.0indirekt
PyPIjaxtyping0.3.11indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.6indirekt
PyPIjson50.13.0indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIjupyter-client8.8.0indirekt
PyPIjupyter-core5.9.1indirekt
PyPIjupyter-events0.12.0indirekt
PyPIjupyter-lsp2.3.0indirekt
PyPIjupyter-server2.17.0indirekt
PyPIjupyter-server-terminals0.5.4indirekt
PyPIjupyterlab4.5.6indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.28.0indirekt
PyPIjupyterlab-widgets3.0.16indirekt
PyPIkeras3.13.2indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlark1.3.1indirekt
PyPIlatexcodec3.0.1indirekt
PyPIlazy-loader0.5indirekt
PyPIlibclang18.1.1indirekt
PyPIlightgbm4.6.0indirekt
PyPIlinear-operator0.6indirekt
PyPIllvmlite0.46.0indirekt
PyPIlocket1.0.0indirekt
PyPImako1.3.12indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.1indirekt
PyPImdit-py-plugins0.5.0indirekt
PyPImdurl0.1.2indirekt
PyPImistune3.2.0indirekt
PyPIml-dtypes0.5.4indirekt
PyPImore-itertools11.1.0indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.2.0indirekt
PyPImultipledispatch1.0.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPImyst-parser5.0.0indirekt
PyPInamex0.1.0indirekt
PyPInarwhals2.21.0indirekt
PyPInbclient0.10.4indirekt
PyPInbconvert7.17.0indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.10.0indirekt
PyPInotebook7.5.5indirekt
PyPInotebook-shim0.2.4indirekt
PyPInumba0.64.0indirekt
PyPInvidia-cublas-cu1212.8.4.1indirekt
PyPInvidia-cuda-cupti-cu1212.8.90indirekt
PyPInvidia-cuda-nvrtc-cu1212.8.93indirekt
PyPInvidia-cuda-runtime-cu1212.8.90indirekt
PyPInvidia-cudnn-cu129.10.2.21indirekt
PyPInvidia-cufft-cu1211.3.3.83indirekt
PyPInvidia-cufile-cu121.13.1.3indirekt
PyPInvidia-curand-cu1210.3.9.90indirekt
PyPInvidia-cusolver-cu1211.7.3.90indirekt
PyPInvidia-cusparse-cu1212.5.8.93indirekt
PyPInvidia-cusparselt-cu120.7.1indirekt
PyPInvidia-ml-py13.590.48indirekt
PyPInvidia-nccl-cu122.27.5indirekt
PyPInvidia-nvjitlink-cu1212.8.93indirekt
PyPInvidia-nvshmem-cu123.3.20indirekt
PyPInvidia-nvtx-cu1212.8.90indirekt
PyPIopt-einsum3.4.0indirekt
PyPIoptree0.19.0indirekt
PyPIoptuna4.9.0indirekt
PyPIpackaging26.0indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.6indirekt
PyPIpartd1.4.2indirekt
PyPIpexpect4.9.0indirekt
PyPIplatformdirs4.9.4indirekt
PyPIplotly6.7.0indirekt
PyPIpluggy1.6.0indirekt
PyPIposthog7.9.12indirekt
PyPIpre-commit4.5.1indirekt
PyPIprometheus-client0.24.1indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIprotobuf7.34.0indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpybtex0.25.1indirekt
PyPIpybtex-docutils1.0.3indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.12.5indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpydantic-settings2.13.1indirekt
PyPIpygments2.19.2indirekt
PyPIpynisher1.0.10indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyre-extensions0.0.32indirekt
PyPIpyro-api0.1.2indirekt
PyPIpyro-ppl1.9.1indirekt
PyPIpytest9.0.2indirekt
PyPIpytest-cov7.0.0indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.1.3indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-json-logger4.0.0indirekt
PyPIpywin32312indirekt
PyPIpywinpty3.0.3indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyzmq27.1.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.2.28indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrfc3987-syntax1.1.0indirekt
PyPIrich14.3.3indirekt
PyPIroman-numerals4.1.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIruff0.15.5indirekt
PyPIsafetensors0.7.0indirekt
PyPIscikit-image0.26.0indirekt
PyPIsend2trash2.1.0indirekt
PyPIsetuptools82.0.1indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsmac2.4.0indirekt
PyPIsnowballstemmer3.0.1indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.8.3indirekt
PyPIsparse-transform0.2.1indirekt
PyPIsphinx9.1.0indirekt
PyPIsphinx-autodoc-typehints3.9.8indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinx-copybutton0.5.2indirekt
PyPIsphinx-gallery0.20.0indirekt
PyPIsphinxcontrib-applehelp2.0.0indirekt
PyPIsphinxcontrib-bibtex2.6.5indirekt
PyPIsphinxcontrib-devhelp2.0.0indirekt
PyPIsphinxcontrib-htmlhelp2.1.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp2.0.0indirekt
PyPIsphinxcontrib-serializinghtml2.0.0indirekt
PyPIsqlalchemy2.0.51indirekt
PyPIstack-data0.6.3indirekt
PyPIsympy1.14.0indirekt
PyPItabpfn6.4.1indirekt
PyPItabpfn-common-utils0.2.18indirekt
PyPItblib3.2.2indirekt
PyPItensorflow2.21.0indirekt
PyPItermcolor3.3.0indirekt
PyPIterminado0.18.1indirekt
PyPItf-keras2.15.0indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItifffile2026.3.3indirekt
PyPItinycss21.4.0indirekt
PyPItokenizers0.22.2indirekt
PyPItoolz1.1.0indirekt
PyPItorch2.9.1indirekt
PyPItorchvision0.24.1indirekt
PyPItornado6.5.5indirekt
PyPItraitlets5.14.3indirekt
PyPItransformers5.3.0indirekt
PyPItreelite4.7.1indirekt
PyPItriton3.5.1indirekt
PyPIty0.0.21indirekt
PyPItyper0.24.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspect0.9.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.3indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib32.6.3indirekt
PyPIvirtualenv21.2.0indirekt
PyPIwadler-lindig0.1.7indirekt
PyPIwcwidth0.6.0indirekt
PyPIwebcolors25.10.0indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.9.0indirekt
PyPIwheel0.46.3indirekt
PyPIwidgetsnbextension4.0.15indirekt
PyPIwoodelf-explainer0.4.6indirekt
PyPIwrapt2.1.2indirekt
PyPIxgboost3.2.0indirekt
PyPIzict3.0.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:shapiq@1.7.0 zieht 26 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 mmschlk/shapiq teilen. Nebeneinander lesen →

100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Außergewöhnlich100scikit-learn/scikit-learnscikit-learn: machine learning in PythonAußergewöhnlich100optuna/optunaA hyperparameter optimization frameworkAußergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich99voxel51/fiftyoneRefine high-quality datasets and visual AI modelsAußergewöhnlich

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.