Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-13 05:46 UTC

predict-idlab / plotly-resampler

Visualize large time series data with plotly.py

PythonMIT★ 1.205 Sterne⑂ 75 Forksseit Nov. 2021Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#visualization#time-series#plotly#data-science#python#plotly-dash#data-visualization#data-analysis

predict-idlab/plotly-resampler erreicht einen Gesundheitsindex von 57 von 100 und liegt damit im Bereich Mittel. Am stärksten schneidet es bei Community & Adoption (71/100) ab, am schwächsten bei Vitality (32/100). Zuletzt vor 249 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

57
gesamt / 100
Mittel

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.

57
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 55 wird auf der veröffentlichten Indexskala auf 57 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

PreDiCT.IDLabOrganisation
111 Follower74 öffentliche Reposseit Juni 2021

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIplotly-resampler0.11.0-64vor 348 Tagentime-seriesvisualizationresamplingplotlyplotly-dash

Metriken nach Kategorie

Vitalität

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

32Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

12Kritisch
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 249 Tagen
0.7/36Commit-Rhythmus — 1/52 Wochen mit Commits
8.1/18Commit-Volumen — 7 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_year7
human_commit_share1
days_since_last_push249
active_weeks_last_year1

Release-Disziplin

62Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 11 Releases veröffentlicht
16.2/36Release-Aktualität — letztes Release vor 348 Tagen
12.6/27Release-Rhythmus — ein Release etwa alle 129,9 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count11
latest_release_tagv0.11.0
releases_from_tagsnein
days_since_latest_release348
mean_days_between_releases129,9
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?

71Gut · 17 % des Gesamtindex

Popularität & Verbreitung

72Gut
Wie die Bewertung erfolgt
50/60Stars — 1.205 Stars
15.6/25Forks — 75 Forks
6.5/15Watcher — 16 Watcher
Verwendete Eingangsdaten
forks75
stars1.205
watchers16
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

70Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges8
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

67Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

34Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
8.4/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 63 % der Commits
13.5/13.5Breite der Beitragenden — 13 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor1
contributors_sampled13
top_contributor_share0,628

Reaktionsfähigkeit bei Issues & PRs

71Gut
Wie die Bewertung erfolgt
28.3/42Issue-Lösungsquote — 67 % der Issues geschlossen
26.2/30PR-Annahme — 119/136 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
7.5/15OpenSSF Scorecard: Code-Review — Found 9/18 approved changesets -- score normalized to 5
Verwendete Eingangsdaten
merged_prs119
open_issues63
closed_issues130
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,674
closed_unmerged_prs17
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

85Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
14.7/25Reichweite des Inhabers — 111 Follower von predict-idlab
23.3/25Kontohistorie — 74 öffentliche Repos, Kontoalter ca. 5 Jahre
Verwendete Eingangsdaten
followers111
owner_typeOrganization
is_verified—
owner_loginpredict-idlab
public_repos74
account_age_days1.888
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 348 Tagen
20/20Versionshistorie — 64 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesplotly-resampler
ecosystemspypi
any_deprecatednein
min_days_since_publish348

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

60Mittel · 19 % des Gesamtindex

Engineering-Praktiken

50Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
2/20OpenSSF Scorecard: CI-Tests — 1 out of 9 merged PRs checked by a CI test -- score normalized to 1
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://predict-idlab.github.io/plotly-resampler/latest
10/10Repository-Beschreibung
10/10Topics — 8 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsvisualization, time-series, plotly, data-science, python, plotly-dash, data-visualization, data-analysis
has_wikija
homepagehttps://predict-idlab.github.io/plotly-resampler/latest
docs_sitehttps://predict-idlab.github.io/plotly-resampler/latest
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

46Schwach · 16 % des Gesamtindex

Sicherheitslage

33Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
0.2/2.5CI-Tests — 1 out of 9 merged PRs checked by a CI test -- score normalized to 1
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 9/18 approved changesets -- score normalized to 5
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no 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
0/5Packaging — keine Daten
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
3.5/5SAST — SAST tool detected but not 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 — 99 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate3,3
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, 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_packages34
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:plotly-resampler@0.11.0 — 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.

50Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

24Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
24/40Lesbare Commit-Historie — 45 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,45
agent_instruction_files—
agent_instruction_max_bytes—

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

50Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfilenein
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_confignein
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

51Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
51.4/55Handhabbare Dateigrößen — 3/46 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes73.804
source_files_sampled46
oversized_source_files3

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

1.205GitHub-Sterne
13Mitwirkende
7Commits, letzte 12 Monate
249Tage seit letztem Push
11Releases
1Bus-Faktor
63offene 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 ★ / 75 ⇿
0Sterne
75Forks
11Releases

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.

01325385063757472021-122024-032026-06
Major 0Minor 6Patch 3

Jeder Punkt umfasst 5 Tage.

OpenSSF Scorecard 3.3 / 10
3.3Gesamtwert

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 · 2026-08-13 05:46 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
1CI-Tests1 out of 9 merged PRs checked by a CI test -- score normalized to 1
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 9/18 approved changesets -- score normalized to 5
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update 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
k. A.Packagingpackaging workflow not detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
7SASTSAST tool detected but not run on all commits
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities99 existing vulnerabilities detected
Direkte Abhängigkeiten 8
RegistryPaketVersionsvorgabeManifest
PyPIplotly>=5.5.0,<7.0.0pyproject.toml
PyPIdash>=2.11.0pyproject.toml
PyPIpandas—pyproject.toml
PyPInumpy—pyproject.toml
PyPIorjson^3.10.0pyproject.toml
PyPIFlask-Cors^4.0.2pyproject.toml
PyPIkaleido0.2.1pyproject.toml
PyPItsdownsample>=0.1.3pyproject.toml
Alle Abhängigkeiten 204

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 12 direkte und 192 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIdash2.18.2direkt
PyPIflask-cors—direkt
PyPIflask-cors4.0.2direkt
PyPIkaleido—direkt
PyPIkaleido0.2.1direkt
PyPInumpy1.24.4direkt
PyPInumpy2.2.3direkt
PyPIorjson3.10.15direkt
PyPIpandas2.0.3direkt
PyPIpandas2.2.3direkt
PyPIplotly6.0.0direkt
PyPItsdownsample0.1.4.1direkt
PyPIanyio4.5.2indirekt
PyPIanywidget0.9.13indirekt
PyPIappnope0.1.4indirekt
PyPIargon2-cffi23.1.0indirekt
PyPIargon2-cffi-bindings21.2.0indirekt
PyPIarrow1.3.0indirekt
PyPIasttokens3.0.0indirekt
PyPIastunparse1.6.3indirekt
PyPIasync-lru2.0.4indirekt
PyPIattrs25.1.0indirekt
PyPIbabel2.17.0indirekt
PyPIbackcall0.2.0indirekt
PyPIbackrefs5.7.post1indirekt
PyPIbeautifulsoup44.13.3indirekt
PyPIblack24.8.0indirekt
PyPIbleach6.1.0indirekt
PyPIblinker1.7.0indirekt
PyPIbrotli1.1.0indirekt
PyPIcertifi2025.1.31indirekt
PyPIcffi1.17.1indirekt
PyPIcharset-normalizer3.4.1indirekt
PyPIclick8.1.8indirekt
PyPIcolorama0.4.6indirekt
PyPIcomm0.2.2indirekt
PyPIcoverage7.6.1indirekt
PyPIcryptography43.0.3indirekt
PyPIdash-bootstrap-components—indirekt
PyPIdash-core-components2.0.0indirekt
PyPIdash-extensions1.0.20indirekt
PyPIdash-html-components2.0.0indirekt
PyPIdash-table5.0.0indirekt
PyPIdebugpy1.8.12indirekt
PyPIdecorator5.1.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIexceptiongroup1.2.2indirekt
PyPIexecuting2.2.0indirekt
PyPIfastjsonschema2.21.1indirekt
PyPIflask3.0.3indirekt
PyPIfqdn1.5.1indirekt
PyPIghp-import2.1.0indirekt
PyPIgriffe1.4.0indirekt
PyPIh110.14.0indirekt
PyPIh24.1.0indirekt
PyPIhpack4.0.0indirekt
PyPIhttpcore1.0.7indirekt
PyPIhttpx0.28.1indirekt
PyPIhyperframe6.0.1indirekt
PyPIidna3.10indirekt
PyPIimportlib-metadata8.5.0indirekt
PyPIimportlib-resources6.4.5indirekt
PyPIiniconfig2.0.0indirekt
PyPIipykernel6.29.5indirekt
PyPIipython8.12.3indirekt
PyPIipython-genutils0.2.0indirekt
PyPIipywidgets—indirekt
PyPIipywidgets7.8.5indirekt
PyPIisoduration20.11.0indirekt
PyPIitsdangerous2.2.0indirekt
PyPIjedi0.19.2indirekt
PyPIjinja23.1.5indirekt
PyPIjson50.10.0indirekt
PyPIjsonpointer3.0.0indirekt
PyPIjsonschema4.23.0indirekt
PyPIjsonschema-specifications2023.12.1indirekt
PyPIjupyter-client8.6.3indirekt
PyPIjupyter-core5.7.2indirekt
PyPIjupyter-events0.10.0indirekt
PyPIjupyter-lsp2.2.5indirekt
PyPIjupyter-server2.14.2indirekt
PyPIjupyter-server-terminals0.5.3indirekt
PyPIjupyterlab4.3.5indirekt
PyPIjupyterlab-pygments0.3.0indirekt
PyPIjupyterlab-server2.27.3indirekt
PyPIjupyterlab-widgets1.1.11indirekt
PyPIkaitaistruct0.10indirekt
PyPIline-profiler—indirekt
PyPIline-profiler4.2.0indirekt
PyPImarkdown3.7indirekt
PyPImarkupsafe2.1.5indirekt
PyPImatplotlib-inline0.1.7indirekt
PyPImemory-profiler—indirekt
PyPImemory-profiler0.60.0indirekt
PyPImergedeep1.3.4indirekt
PyPImike1.1.2indirekt
PyPImistune3.1.2indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.2.0indirekt
PyPImkdocs-gen-files0.5.0indirekt
PyPImkdocs-get-deps0.2.0indirekt
PyPImkdocs-literate-nav0.6.1indirekt
PyPImkdocs-material9.6.18indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocs-section-index0.3.9indirekt
PyPImkdocstrings0.25.2indirekt
PyPImkdocstrings-python1.10.9indirekt
PyPImypy-extensions1.0.0indirekt
PyPInarwhals1.27.1indirekt
PyPInbclient0.10.1indirekt
PyPInbconvert7.16.6indirekt
PyPInbformat5.10.4indirekt
PyPInest-asyncio1.6.0indirekt
PyPInotebook7.3.2indirekt
PyPInotebook-shim0.2.4indirekt
PyPIoutcome1.3.0.post0indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging24.2indirekt
PyPIpaginate0.5.7indirekt
PyPIpandocfilters1.5.1indirekt
PyPIparso0.8.4indirekt
PyPIpathspec0.12.1indirekt
PyPIpexpect4.9.0indirekt
PyPIpickleshare0.7.5indirekt
PyPIpkgutil-resolve-name1.3.10indirekt
PyPIplatformdirs4.3.6indirekt
PyPIpluggy1.5.0indirekt
PyPIprometheus-client0.21.1indirekt
PyPIprompt-toolkit3.0.50indirekt
PyPIpsutil7.0.0indirekt
PyPIpsygnal0.11.1indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.3indirekt
PyPIpy1.11.0indirekt
PyPIpyarrow—indirekt
PyPIpyarrow17.0.0indirekt
PyPIpyarrow19.0.1indirekt
PyPIpyasn10.6.1indirekt
PyPIpycparser2.22indirekt
PyPIpydivert2.1.0indirekt
PyPIpyfunctional—indirekt
PyPIpygments2.19.1indirekt
PyPIpymdown-extensions10.14.3indirekt
PyPIpyopenssl25.0.0indirekt
PyPIpyparsing3.1.4indirekt
PyPIpysocks1.7.1indirekt
PyPIpytest7.4.4indirekt
PyPIpytest-base-url2.0.0indirekt
PyPIpytest-cov3.0.0indirekt
PyPIpytest-html3.2.0indirekt
PyPIpytest-lazy-fixture0.6.3indirekt
PyPIpytest-metadata2.0.4indirekt
PyPIpytest-selenium2.0.1indirekt
PyPIpytest-variables2.0.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-json-logger3.2.1indirekt
PyPIpytz2025.1indirekt
PyPIpywin32308indirekt
PyPIpywinpty2.0.14indirekt
PyPIpyyaml6.0.2indirekt
PyPIpyyaml-env-tag0.1indirekt
PyPIpyzmq26.2.1indirekt
PyPIreferencing0.35.1indirekt
PyPIrequests2.32.3indirekt
PyPIretrying1.3.4indirekt
PyPIrfc3339-validator0.1.4indirekt
PyPIrfc3986-validator0.1.1indirekt
PyPIrpds-py0.20.1indirekt
PyPIruff0.12.9indirekt
PyPIselenium4.2.0indirekt
PyPIselenium-wire5.1.0indirekt
PyPIsend2trash1.8.3indirekt
PyPIsetuptools75.3.0indirekt
PyPIsix1.17.0indirekt
PyPIsniffio1.3.1indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.6indirekt
PyPIstack-data0.6.3indirekt
PyPItenacity6.3.1indirekt
PyPIterminado0.18.1indirekt
PyPItinycss21.2.1indirekt
PyPItomli2.2.1indirekt
PyPItornado6.4.2indirekt
PyPItraitlets5.14.3indirekt
PyPItrio0.27.0indirekt
PyPItrio-websocket0.12.1indirekt
PyPItypes-python-dateutil2.9.0.20241206indirekt
PyPItyping-extensions4.12.2indirekt
PyPItzdata2025.1indirekt
PyPIuri-template1.3.0indirekt
PyPIurllib31.26.20indirekt
PyPIurllib3-secure-extra0.1.0indirekt
PyPIverspec0.1.0indirekt
PyPIwatchdog4.0.2indirekt
PyPIwcwidth0.2.13indirekt
PyPIwebcolors24.8.0indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.8.0indirekt
PyPIwerkzeug3.0.6indirekt
PyPIwheel0.45.1indirekt
PyPIwidgetsnbextension3.6.10indirekt
PyPIwsproto1.2.0indirekt
PyPIzipp3.20.2indirekt
PyPIzstandard0.23.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:plotly-resampler@0.11.0 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.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit predict-idlab/plotly-resampler teilen. Nebeneinander lesen →

99apache/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!Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich100reflex-dev/reflex🕸️ Web apps in pure Python 🐍Außergewöhnlich97python-visualization/foliumPython Data. Leaflet.js Maps. Außergewöhnlich97plotly/plotly.jsOpen-source JavaScript charting library behind Plotly and DashAußergewöhnlich

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.