Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-11 16:46 UTC

pandas-dev / pandas

Flexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more

PythonBSD-3-Clause★ 49.487 Sterne⑂ 20.262 Forksseit Aug. 2010Auf GitHub ansehen ↗
ArtPluginBibliothekKommandozeilenwerkzeugwie das ermittelt wird
#data-analysis#pandas#flexible#alignment#python#data-science

pandas-dev/pandas erreicht einen Gesundheitsindex von 99 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Community & Adoption (97/100) ab, am schwächsten bei AI Readiness (69/100). Zuletzt heute aktualisiert. 4 Mitwirkende tragen den Großteil der jüngsten Arbeit.

99
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.

99
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 89 wird auf der veröffentlichten Indexskala auf 99 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

pandasOrganisation
5.375 Follower16 öffentliche Reposseit Aug. 2016

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIpandas3.0.5770.407.011117vor 19 Tagen

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

100Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
36/36Commit-Rhythmus — 52/52 Wochen mit Commits
18/18Commit-Volumen — 2.281 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 16 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year2.281
human_commit_share0,95
days_since_last_push0
active_weeks_last_year52

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 19 Tagen
27/27Release-Rhythmus — ein Release etwa alle 32,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagv3.0.5
releases_from_tagsnein
days_since_latest_release19
mean_days_between_releases32,9

Community & Verbreitung

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

97Außergewöhnlich · 17 % des Gesamtindex

Popularität & Verbreitung

100Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 49.487 Stars
25/25Forks — 20.262 Forks
15/15Watcher — 1.138 Watcher
Verwendete Eingangsdaten
forks20.262
stars49.487
watchers1.138
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 (BSD-3-Clause)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges8
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 770.407.011 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespandas
dependents—
ecosystemspypi
total_downloads—
monthly_downloads770.407.011
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?

85Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

85Exzellent
Wie die Bewertung erfolgt
43.2/54Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab
18/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 20 % der Commits
13.5/13.5Breite der Beitragenden — 97 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 49 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor4
contributors_sampled97
top_contributor_share0,2

Reaktionsfähigkeit bei Issues & PRs

64Mittel
Wie die Bewertung erfolgt
38.1/42Issue-Lösungsquote — 91 % der Issues geschlossen
23.2/30PR-Annahme — 29.355/37.930 entschiedene PRs gemergt
1.6/13Newcomer PR acceptance — 1/8 PRs von Erstbeitragenden in 30 Tagen gemergt
1.5/15OpenSSF Scorecard: Code-Review — Found 4/30 approved changesets -- score normalized to 1
Verwendete Eingangsdaten
merged_prs29.355
open_issues2.637
closed_issues25.832
prs_merged_7d45
prs_decided_7d57
prs_merged_30d45
prs_decided_30d57
issue_closed_ratio0,907
closed_unmerged_prs8.575
first_time_authors_30d8
first_time_prs_merged_30d1
first_time_prs_decided_30d8

Eigentümerschaft & Trägerschaft

95Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
25/25Reichweite des Inhabers — 5.375 Follower von pandas-dev
21/25Kontohistorie — 16 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers5.375
owner_typeOrganization
is_verified—
owner_loginpandas-dev
public_repos16
account_age_days3.639
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 19 Tagen
20/20Versionshistorie — 117 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespandas
ecosystemspypi
any_deprecatednein
min_days_since_publish19

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 12 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-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_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://pandas.pydata.org
10/10Repository-Beschreibung
10/10Topics — 6 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsdata-analysis, pandas, flexible, alignment, python, data-science
has_wikinein
homepagehttps://pandas.pydata.org
docs_sitehttps://pandas.pydata.org
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

81Exzellent · 16 % des Gesamtindex

Sicherheitslage

76Gut
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
0.8/7.5Code-Review — Found 4/30 approved changesets -- score normalized to 1
2.5/2.5Contributors — project has 49 contributing companies or organizations
0/10Dangerous-Workflow — keine Daten
7.5/7.5Dependency-Update-Tool — update tool detected
5/5Fuzzing — project is fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 16 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
0/5Pinned-Dependencies — keine Daten
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — keine Daten
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated13
scorecard_versionv5.5.0
checks_inconclusive5
scorecard_aggregate7,6
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Dangerous-Workflow, Packaging, Pinned-Dependencies, Token-Permissions. 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_packages3
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:pandas@3.0.5 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 3 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.

69Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

79Gut
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
33.7/40Lesbare Commit-Historie — 60 von 95 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,632
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes2.820

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

57Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 76 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 3 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,76
toolchain_manifests—
dependency_bot_commit_share0,03
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Pinned-Dependencies. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

52Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
51.9/55Handhabbare Dateigrößen — 86/1.541 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes693.145
source_files_sampled1.541
oversized_source_files86

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 — notebooks
Verwendete Eingangsdaten
example_dirsnotebooks
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

49.487GitHub-Sterne
97Mitwirkende
2.281Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
4Bus-Faktor
2.637offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 19 authors (cap 12)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 20.262 ⇿
0Sterne
20.262Forks
5Releases

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.

Es wird nur die jüngste Historie angezeigt — dieses Repository überschreitet das Erfassungsfenster, sodass die früheste Historie nicht erfasst wird.

19.20019.40019.60019.80020.00020.20020.40020.262242026-022026-052026-08
Major 0Minor 0Patch 5
OpenSSF Scorecard 7.6 / 10
7.6Gesamtwert

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 · 2026-08-11 16:45 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
1Code-ReviewFound 4/30 approved changesets -- score normalized to 1
10Contributorsproject has 49 contributing companies or organizations
k. A.Dangerous-Workflowno workflows found
10Dependency-Update-Toolupdate tool detected
10Fuzzingproject is fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 16 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
k. A.Pinned-Dependenciesno dependencies found
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
k. A.Token-PermissionsNo tokens found
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 5
RegistryPaketVersionsvorgabeManifest
PyPInumpy>=2.0.2pyproject.toml
PyPInumpy>=2.3.3pyproject.toml
PyPIpython-dateutil>=2.9.0pyproject.toml
PyPItzdata—pyproject.toml
PyPItzdata—pyproject.toml
Alle Abhängigkeiten 86

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 3 direkte und 83 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPInumpy—direkt
PyPIpython-dateutil—direkt
PyPItzdata—direkt
PyPIadbc-driver-postgresql—indirekt
PyPIadbc-driver-sqlite—indirekt
PyPIasv—indirekt
PyPIbeautifulsoup4—indirekt
PyPIbottleneck—indirekt
PyPIcoverage—indirekt
PyPIcython—indirekt
PyPIdask—indirekt
PyPIfastparquet—indirekt
PyPIfeedparser—indirekt
PyPIfsspec—indirekt
PyPIgcsfs—indirekt
PyPIgitpython—indirekt
PyPIhtml5lib—indirekt
PyPIhypothesis—indirekt
PyPIipykernel—indirekt
PyPIipython—indirekt
PyPIipywidgets—indirekt
PyPIjinja2—indirekt
PyPIjupyterlite-core—indirekt
PyPIjupyterlite-pyodide-kernel—indirekt
PyPIlxml—indirekt
PyPImarkdown—indirekt
PyPImatplotlib—indirekt
PyPImeson—indirekt
PyPImeson-python—indirekt
PyPImoto—indirekt
PyPImypy2.1.0indirekt
PyPInatsort—indirekt
PyPInbconvert—indirekt
PyPInbformat—indirekt
PyPInbsphinx—indirekt
PyPInotebook—indirekt
PyPInumba—indirekt
PyPInumexpr—indirekt
PyPInumpydoc—indirekt
PyPIodfpy—indirekt
PyPIopenpyxl—indirekt
PyPIpandoc—indirekt
PyPIpickleshare—indirekt
PyPIpip—indirekt
PyPIpre-commit—indirekt
PyPIpsycopg2—indirekt
PyPIpsycopg2-binary—indirekt
PyPIpy-rattler—indirekt
PyPIpyarrow—indirekt
PyPIpygments—indirekt
PyPIpyiceberg—indirekt
PyPIpymysql—indirekt
PyPIpyqt5—indirekt
PyPIpyreadstat—indirekt
PyPIpytest—indirekt
PyPIpytest-cov—indirekt
PyPIpytest-cython—indirekt
PyPIpytest-localserver—indirekt
PyPIpytest-qt—indirekt
PyPIpytest-xdist—indirekt
PyPIpython-calamine—indirekt
PyPIpytz—indirekt
PyPIpyxlsb—indirekt
PyPIpyyaml—indirekt
PyPIqtpy—indirekt
PyPIrequests—indirekt
PyPIs3fs—indirekt
PyPIscipy—indirekt
PyPIscipy-stubs—indirekt
PyPIseaborn—indirekt
PyPIsphinx—indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-design—indirekt
PyPIsqlalchemy—indirekt
PyPItables—indirekt
PyPItabulate—indirekt
PyPItokenize-rt—indirekt
PyPItypes-pymysql—indirekt
PyPItypes-python-dateutil—indirekt
PyPItypes-pytz—indirekt
PyPItypes-pyyaml—indirekt
PyPIversioneer—indirekt
PyPIxarray—indirekt
PyPIxlrd—indirekt
PyPIxlsxwriter—indirekt
PyPIzstandard—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:pandas@3.0.5 zieht 3 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 pandas-dev/pandas teilen. Nebeneinander lesen →

99NVIDIA/cudfcuDF - GPU DataFrame Library Außergewöhnlich100reflex-dev/reflex🕸️ Web apps in pure Python 🐍Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich100scikit-learn/scikit-learnscikit-learn: machine learning in PythonAußergewöhnlich99apache/supersetApache Superset is a Data Visualization and Data Exploration PlatformAußergewöhnlich98gradio-app/gradioBuild and share delightful machine learning apps, all in Python. 🌟 Star to support our work!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 v0.31.0 — vollständige Methodik · Metriken-Wiki.

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