Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-08 18:44 UTC

modin-project / modin

Modin: Scale your Pandas workflows by changing a single line of code

PythonApache-2.0★ 10.391 Sterne⑂ 680 Forksseit Juni 2018Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#dataframe#pandas#distributed#datascience#modin#sql#python#analytics#data-science

modin-project/modin erreicht einen Gesundheitsindex von 34 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Community & Adoption (84/100) ab, am schwächsten bei Security (42/100). Zuletzt vor 178 Tagen aktualisiert. 3 Mitwirkende tragen den Großteil der jüngsten Arbeit.

34
gesamt / 100
Gefährdet

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.

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)
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 67 wird auf der veröffentlichten Indexskala auf 78 kalibriert (Register-Kalibrierung 2026-08-02). Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 50 % auf die gewichtete Gesamtgesundheit an und begrenzt sie auf die Obergrenze Gefährdet von 34.

Eigentümerschaft

modin-projectOrganisation
103 Follower9 öffentliche Reposseit Juni 2018

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPImodin0.37.1-110vor 309 Tagen

Metriken nach Kategorie

Vitalität

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

44Schwach · 21 % des Gesamtindex

Entwicklungsaktivität

26Gefährdet
Wie die Bewertung erfolgt
9.9/36Push-Aktualität — letzter Push vor 178 Tagen
4.8/36Commit-Rhythmus — 7/52 Wochen mit Commits
11.7/18Commit-Volumen — 19 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
Verwendete Eingangsdaten
commits_last_year19
human_commit_share1
days_since_last_push178
active_weeks_last_year7

Release-Disziplin

70Gut
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
16.2/36Release-Aktualität — letztes Release vor 309 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 51,5 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tag0.37.1
releases_from_tagsnein
days_since_latest_release309
mean_days_between_releases51,5
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?

84Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

95Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 10.391 Stars
23.6/25Forks — 680 Forks
11.3/15Watcher — 109 Watcher
Verwendete Eingangsdaten
forks680
stars10.391
watchers109
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

72Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges9
has_contributingnein
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?

81Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

77Gut
Wie die Bewertung erfolgt
36/54Bus-Faktor — 3 Beitragende decken die Hälfte aller Commits ab
17.1/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 24 % der Commits
13.5/13.5Breite der Beitragenden — 99 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 23 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor3
contributors_sampled99
top_contributor_share0,238

Reaktionsfähigkeit bei Issues & PRs

77Gut
Wie die Bewertung erfolgt
35.4/42Issue-Lösungsquote — 84 % der Issues geschlossen
26.5/30PR-Annahme — 2.922/3.309 entschiedene PRs gemergt
0/13Newcomer PR acceptance — 0/2 PRs von Erstbeitragenden in 30 Tagen gemergt
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs2.922
open_issues675
closed_issues3.661
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d2
issue_closed_ratio0,844
closed_unmerged_prs387
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d2

Eigentümerschaft & Trägerschaft

80Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
14.5/25Reichweite des Inhabers — 103 Follower von modin-project
19.3/25Kontohistorie — 9 öffentliche Repos, Kontoalter ca. 8 Jahre
Verwendete Eingangsdaten
followers103
owner_typeOrganization
is_verified—
owner_loginmodin-project
public_repos9
account_age_days2.969
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

91Exzellent
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
26/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 309 Tagen
20/20Versionshistorie — 110 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmodin
ecosystemspypi
any_deprecatednein
min_days_since_publish309

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

81Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

68Gut
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
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_confignein
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — http://modin.readthedocs.io
10/10Repository-Beschreibung
10/10Topics — 9 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsdataframe, pandas, distributed, datascience, modin, sql, python, analytics, data-science
has_wikija
homepagehttp://modin.readthedocs.io
docs_sitehttp://modin.readthedocs.io
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
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
2.5/2.5Contributors — project has 23 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
0/7.5Maintained — 0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
5/5SAST — SAST tool is run on all commits
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 — 27 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,6
high_risk_jurisdiction_cap34
high_risk_jurisdiction_multiplier50
security_posture_after_multiplier28
security_posture_before_jurisdiction56
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert. Die Richtlinie für Hochrisikojurisdiktionen wendet einen Multiplikator von 50 % an und begrenzt die Sicherheitslage auf die Obergrenze Gefährdet von 34.

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_packages10
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:modin@0.37.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 10 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.

62Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 100 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

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

58Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — mypy.ini
10/10Reproduzierbare Umgebung — Dockerfile
10/10Belegte Agentenpraxis — 6 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_confignein
typecheck_configsmypy.ini
agent_commit_share0,06
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

80Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (mypy.ini)
52.8/55Handhabbare Dateigrößen — 17/424 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes248.994
source_files_sampled424
oversized_source_files17

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, notebooks
Verwendete Eingangsdaten
example_dirsexamples, notebooks
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

10.391GitHub-Sterne
99Mitwirkende
19Commits, letzte 12 Monate
178Tage seit letztem Push
100Releases
3Bus-Faktor
675offene 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 ★ / 680 ⇿
0Sterne
680Forks
100Releases

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.

0125250375500625750674312018-062022-072026-08
Major 0Minor 36Patch 56

Jeder Punkt umfasst 8 Tage.

OpenSSF Scorecard 5.6 / 10
5.6Gesamtwert

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 · 2026-08-08 18:42 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
10Contributorsproject has 23 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
0Maintained0 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 0
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
10SASTSAST tool is run on all commits
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities27 existing vulnerabilities detected
Alle Abhängigkeiten 65

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 65 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPI-—indirekt
PyPIasv0.5.1indirekt
PyPIblack—indirekt
PyPIclick—indirekt
PyPIcolorama—indirekt
PyPIconnectorx—indirekt
PyPIcoverage—indirekt
PyPIdask—indirekt
PyPIdataframe-api-compat—indirekt
PyPIdistributed—indirekt
PyPIfastparquet—indirekt
PyPIflake8—indirekt
PyPIflake8-no-implicit-concat—indirekt
PyPIflake8-print—indirekt
PyPIflask-cors—indirekt
PyPIflatbuffers—indirekt
PyPIfsspec—indirekt
PyPIfuncsigs—indirekt
PyPIfuzzydata—indirekt
PyPIipywidgets—indirekt
PyPIisort—indirekt
PyPIjinja2—indirekt
PyPIjupyterlab—indirekt
PyPIlxml—indirekt
PyPImatplotlib—indirekt
PyPImock—indirekt
PyPImodin—indirekt
PyPImoto—indirekt
PyPImypy—indirekt
PyPInumexpr—indirekt
PyPInumpy—indirekt
PyPInumpydoc1.1.0indirekt
PyPIopencv-python—indirekt
PyPIopenpyxl—indirekt
PyPIpackaging—indirekt
PyPIpandas—indirekt
PyPIpandas-gbq—indirekt
PyPIpandas-stubs—indirekt
PyPIpsutil—indirekt
PyPIpsycopg2-binary—indirekt
PyPIpyarrow—indirekt
PyPIpydata-sphinx-theme—indirekt
PyPIpygit2—indirekt
PyPIpygithub—indirekt
PyPIpymssql—indirekt
PyPIpytest—indirekt
PyPIpytest-benchmark—indirekt
PyPIpytest-cov—indirekt
PyPIpytest-xdist—indirekt
PyPIpyyaml—indirekt
PyPIray—indirekt
PyPIray1.1.0indirekt
PyPIrecommonmark—indirekt
PyPIs3fs—indirekt
PyPIscipy—indirekt
PyPIsphinx—indirekt
PyPIsphinx-click—indirekt
PyPIsphinx-issues—indirekt
PyPIsphinxcontrib-plantuml—indirekt
PyPIsqlalchemy—indirekt
PyPItables—indirekt
PyPItqdm—indirekt
PyPItyping-extensions—indirekt
PyPIxarray—indirekt
PyPIxlrd—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:modin@0.37.1 zieht 10 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 modin-project/modin teilen. Nebeneinander lesen →

99NVIDIA/cudfcuDF - GPU DataFrame Library Außergewöhnlich100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Außergewöhnlich99pandas-dev/pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much moreAußergewöhnlich99apache/datafusionApache DataFusion SQL Query EngineAußergewöhnlich99apache/supersetApache Superset is a Data Visualization and Data Exploration PlatformAußergewöhnlich98googleapis/google-cloud-pythonGoogle Cloud Client Libraries for PythonAußergewöhnlich

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

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

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