Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-26 02:46 UTC

opengeos / leafmap

A Python package for interactive mapping and geospatial analysis with minimal coding in a Jupyter environment

PythonMIT★ 3.772 Sterne⑂ 472 Forksseit März 2021Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#ipyleaflet#folium#mapping#python#geopython#jupyter-notebook#jupyter#gis#dataviz#data-science#whiteboxtools#geospatial#geospatial-analysis#leafmap#streamlit#streamlit-webapp#plotly#geoparquet#solara

opengeos/leafmap erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Engineering Quality (96/100) ab, am schwächsten bei Security (56/100). Zuletzt vor 4 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

94
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.

94
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 80 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Open Geospatial SolutionsOrganisation
4.094 Follower174 öffentliche Reposseit Apr. 2023

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIleafmap0.63.133.274308vor 55 Tagenleafmap

Metriken nach Kategorie

Vitalität

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

93Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

88Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 4 Tagen
25.6/36Commit-Rhythmus — 37/52 Wochen mit Commits
18/18Commit-Volumen — 148 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year148
human_commit_share0,71
days_since_last_push4
active_weeks_last_year37

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 55 Tagen
27/27Release-Rhythmus — ein Release etwa alle 19,3 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv0.63.1
releases_from_tagsnein
days_since_latest_release55
mean_days_between_releases19,3

Community & Verbreitung

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

84Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

90Exzellent
Wie die Bewertung erfolgt
58/60Stars — 3.772 Stars
22.3/25Forks — 472 Forks
9.8/15Watcher — 58 Watcher
Verwendete Eingangsdaten
forks472
stars3.772
watchers58
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

85Exzellent
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
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges8
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

75Gut
Wie die Bewertung erfolgt
60.3/80Downloads pro Monat — 33.274 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesleafmap
dependents—
ecosystemspypi
total_downloads—
monthly_downloads33.274
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?

71Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

26Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
1.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 94 % der Commits
13.5/13.5Breite der Beitragenden — 44 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor1
contributors_sampled44
top_contributor_share0,942

Reaktionsfähigkeit bei Issues & PRs

98Außergewöhnlich
Wie die Bewertung erfolgt
42/42Issue-Lösungsquote — 100 % der Issues geschlossen
28.9/30PR-Annahme — 780/810 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs780
open_issues0
closed_issues319
prs_merged_7d1
prs_decided_7d1
prs_merged_30d1
prs_decided_30d1
issue_closed_ratio1
closed_unmerged_prs30
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

75Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
25/25Reichweite des Inhabers — 4.094 Follower von opengeos
20/25Kontohistorie — 174 öffentliche Repos, Kontoalter ca. 3 Jahre
Verwendete Eingangsdaten
followers4.094
owner_typeOrganization
is_verifiednein
owner_loginopengeos
public_repos174
account_age_days1.270

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 55 Tagen
20/20Versionshistorie — 308 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesleafmap
ecosystemspypi
any_deprecatednein
min_days_since_publish55

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

100Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 14 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.flake8])
9.6/9.6Pre-Commit-Hooks
6.4/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfigja
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://leafmap.org
10/10Repository-Beschreibung
10/10Topics — 19 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsipyleaflet, folium, mapping, python, geopython, jupyter-notebook, jupyter, gis, dataviz, data-science, whiteboxtools, geospatial, geospatial-analysis, leafmap, streamlit, streamlit-webapp, plotly, geoparquet, solara
has_wikinein
homepagehttps://leafmap.org
docs_sitehttps://leafmap.org
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

56Mittel · 16 % des Gesamtindex

Sicherheitslage

45Schwach
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten
20/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestspyproject.toml, requirements.txt, requirements_dev.txt, requirements_docs.txt
has_codeql_workflowja
has_security_policynein
has_dependabot_configja

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_packages110
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:leafmap@0.63.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 110 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.

65Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

55Mittel
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://docs.xarray.dev/llms.txt)
40/40Lesbare Commit-Historie — 57 von 71 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://docs.xarray.dev/llms.txt
legible_history_share0,803
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.flake8])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile
10/10Belegte Agentenpraxis — 10 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 20 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,1
toolchain_manifests—
dependency_bot_commit_share0,2

AI-Code-Lesbarkeit für Modelle

45Schwach
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
45.4/55Handhabbare Dateigrößen — 7/40 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes700.210
source_files_sampled40
oversized_source_files7

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

3.772GitHub-Sterne
44Mitwirkende
148Commits, letzte 12 Monate
4Tage seit letztem Push
100Releases
1Bus-Faktor
0offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 472 ⇿
0Sterne
472Forks
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.

0100200300400500466482021-032023-122026-09
Major 0Minor 22Patch 78

Jeder Punkt umfasst 6 Tage.

Alle Abhängigkeiten 81

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 81 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIanywidget—indirekt
PyPIblack—indirekt
PyPIbokeh—indirekt
PyPIboto3—indirekt
PyPIbqplot—indirekt
PyPIbump2version—indirekt
PyPIcogeo-mosaic—indirekt
PyPIcoverage—indirekt
PyPId2spy—indirekt
PyPIduckdb—indirekt
PyPIearthaccess—indirekt
PyPIffmpeg-python—indirekt
PyPIfiona—indirekt
PyPIflake8—indirekt
PyPIfolium—indirekt
PyPIgdown—indirekt
PyPIgeojson—indirekt
PyPIgeopandas—indirekt
PyPIgradio—indirekt
PyPIgrip—indirekt
PyPIh3—indirekt
PyPIh5netcdf—indirekt
PyPIh5py—indirekt
PyPIipyevents—indirekt
PyPIipyfilechooser—indirekt
PyPIipykernel—indirekt
PyPIipyleaflet—indirekt
PyPIipyvue—indirekt
PyPIipyvuetify—indirekt
PyPIipywidgets—indirekt
PyPIlaspy—indirekt
PyPIlivereload—indirekt
PyPIlocaltileserver—indirekt
PyPIlonboard—indirekt
PyPImapclassify—indirekt
PyPImaplibre—indirekt
PyPImatplotlib—indirekt
PyPImkdocstrings—indirekt
PyPImkdocstrings-python—indirekt
PyPImss—indirekt
PyPInbconvert—indirekt
PyPInbformat—indirekt
PyPInetcdf4—indirekt
PyPInumpy—indirekt
PyPIobstore—indirekt
PyPIopera-utils—indirekt
PyPIosmnx—indirekt
PyPIoverturemaps—indirekt
PyPIowslib—indirekt
PyPIpalettable—indirekt
PyPIpandas—indirekt
PyPIpip—indirekt
PyPIplotly—indirekt
PyPIpmtiles—indirekt
PyPIpre-commit—indirekt
PyPIpsutil—indirekt
PyPIpycrs—indirekt
PyPIpydeck—indirekt
PyPIpygments—indirekt
PyPIpymdown-extensions—indirekt
PyPIpyntcloud—indirekt
PyPIpystac-client—indirekt
PyPIpython-box—indirekt
PyPIpyvista-xarray—indirekt
PyPIpyyaml—indirekt
PyPIrasterio—indirekt
PyPIrasterstats—indirekt
PyPIrio-cogeo—indirekt
PyPIrioxarray—indirekt
PyPIscooby—indirekt
PyPIsetuptools—indirekt
PyPIsetuptools-scm—indirekt
PyPIsphinx—indirekt
PyPItomli—indirekt
PyPItox—indirekt
PyPItwine—indirekt
PyPIwatchdog—indirekt
PyPIwheel—indirekt
PyPIwhiteboxgui—indirekt
PyPIxyzservices—indirekt
PyPIzensical—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:leafmap@0.63.1 zieht 110 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 opengeos/leafmap teilen. Nebeneinander lesen →

97plotly/plotly.pyThe interactive graphing library for Python :sparkles:Außergewöhnlich97visgl/deck.glWebGL2 powered visualization frameworkAußergewöhnlich97plotly/dashData Apps & Dashboards for Python. No JavaScript Required.Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich98ipython/ipythonOfficial repository for IPython itself. Other repos in the IPython organization contain things like the website, documentation builds, etc.Außergewöhnlich98bokeh/bokehInteractive Data Visualization in the browser, from 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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

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