Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-17 22:07 UTC

pyjanitor-devs / pyjanitor

Clean APIs for data cleaning. Python implementation of R package Janitor

PythonMIT★ 1.499 Sterne⑂ 197 Forksseit März 2018Auf GitHub ansehen ↗
ArtBibliothekwie das ermittelt wird
#pandas#dataframe#data#cleaning-data#data-engineering#pydata#hacktoberfest

pyjanitor-devs/pyjanitor 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 (66/100). Zuletzt vor 9 Tagen aktualisiert. 2 Mitwirkende tragen 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

pyjanitor-devsOrganisation
21 Follower5 öffentliche Reposseit Juli 2019

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIpyjanitor0.32.27206.21894vor 14 Tagenpandasdata-cleaningdata-sciencejanitor

Metriken nach Kategorie

Vitalität

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

88Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

80Exzellent
Wie die Bewertung erfolgt
28.8/36Push-Aktualität — letzter Push vor 9 Tagen
23.5/36Commit-Rhythmus — 34/52 Wochen mit Commits
18/18Commit-Volumen — 297 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 28 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year297
human_commit_share0,82
days_since_last_push9
active_weeks_last_year34

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 42 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 14 Tagen
27/27Release-Rhythmus — ein Release etwa alle 23 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count42
latest_release_tagv0.32.27
releases_from_tagsnein
days_since_latest_release14
mean_days_between_releases23
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?

80Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

77Gut
Wie die Bewertung erfolgt
51.5/60Stars — 1.499 Stars
19.1/25Forks — 197 Forks
6.4/15Watcher — 15 Watcher
Verwendete Eingangsdaten
forks197
stars1.499
watchers15
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
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
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

89Exzellent
Wie die Bewertung erfolgt
70.9/80Downloads pro Monat — 206.218 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespyjanitor
dependents—
ecosystemspypi
total_downloads—
monthly_downloads206.218
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?

70Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

61Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
11.9/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 47 % der Commits
13.5/13.5Breite der Beitragenden — 96 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 16 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled96
top_contributor_share0,471

Reaktionsfähigkeit bei Issues & PRs

71Gut
Wie die Bewertung erfolgt
34.1/42Issue-Lösungsquote — 81 % der Issues geschlossen
26.7/30PR-Annahme — 920/1.035 entschiedene PRs gemergt
7.4/13Newcomer PR acceptance — 4/7 PRs von Erstbeitragenden in 30 Tagen gemergt
3/15OpenSSF Scorecard: Code-Review — Found 6/24 approved changesets -- score normalized to 2
Verwendete Eingangsdaten
merged_prs920
open_issues124
closed_issues532
prs_merged_7d0
prs_decided_7d16
prs_merged_30d15
prs_decided_30d33
issue_closed_ratio0,811
closed_unmerged_prs115
first_time_authors_30d3
first_time_prs_merged_30d4
first_time_prs_decided_30d7

Eigentümerschaft & Trägerschaft

57Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
9.7/25Reichweite des Inhabers — 21 Follower von pyjanitor-devs
17.7/25Kontohistorie — 5 öffentliche Repos, Kontoalter ca. 7 Jahre
Verwendete Eingangsdaten
followers21
owner_typeOrganization
is_verifiednein
owner_loginpyjanitor-devs
public_repos5
account_age_days2.607

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 14 Tagen
20/20Versionshistorie — 94 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespyjanitor
ecosystemspypi
any_deprecatednein
min_days_since_publish14

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff], [tool.black])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 19 out of 19 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

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://pyjanitor-devs.github.io/pyjanitor
10/10Repository-Beschreibung
10/10Topics — 7 Topics
10/10Wiki
Verwendete Eingangsdaten
topicspandas, dataframe, data, cleaning-data, data-engineering, pydata, hacktoberfest
has_wikija
homepagehttps://pyjanitor-devs.github.io/pyjanitor
docs_sitehttps://pyjanitor-devs.github.io/pyjanitor
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

66Gut · 16 % des Gesamtindex

Sicherheitslage

58Mittel
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 — 19 out of 19 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
1.5/7.5Code-Review — Found 6/24 approved changesets -- score normalized to 2
2.5/2.5Contributors — project has 16 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 28 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
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
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate5,8
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_packages11
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:pyjanitor@0.32.27 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 11 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.

75Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

67Gut
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
22.1/40Lesbare Commit-Historie — 34 von 82 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,415
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes15.865

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

79Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff], [tool.black])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — devcontainer, Dockerfile
10/10Belegte Agentenpraxis — 5 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 15 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
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainerja
has_linter_configja
typecheck_configs—
agent_commit_share0,05
toolchain_manifests—
dependency_bot_commit_share0,15

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.1/55Handhabbare Dateigrößen — 5/298 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes215.672
source_files_sampled298
oversized_source_files5

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

1.499GitHub-Sterne
96Mitwirkende
297Commits, letzte 12 Monate
9Tage seit letztem Push
42Releases
2Bus-Faktor
124offene 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 ★ / 197 ⇿
0Sterne
197Forks
42Releases

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.

04080120160200196252018-032022-062026-09
Major 0Minor 11Patch 31

Jeder Punkt umfasst 8 Tage.

OpenSSF Scorecard 5.8 / 10
5.8Gesamtwert

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 · 2026-09-17 22:07 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-Tests19 out of 19 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 6/24 approved changesets -- score normalized to 2
10Contributorsproject has 16 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 28 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not 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
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 6
RegistryPaketVersionsvorgabeManifest
PyPIpandas>=3.0.0pyproject.toml
PyPInatsort>=8.4.0,<9pyproject.toml
PyPIpandas-flavor>=0.8.1,<0.9pyproject.toml
PyPImultipledispatch—pyproject.toml
PyPIscipy—pyproject.toml
PyPIjanitor-rs>=0.6.1,<0.7pyproject.toml
Alle Abhängigkeiten 141

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 11 direkte und 130 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIjanitor-rs—direkt
PyPIjanitor-rs0.5.0direkt
PyPImultipledispatch0.6.0direkt
PyPInatsort—direkt
PyPInatsort8.1.0direkt
PyPIpandas—direkt
PyPIpandas1.4.1direkt
PyPIpandas-flavor—direkt
PyPIpandas-flavor0.7.0direkt
PyPIpandas-flavor0.8.1direkt
PyPIscipy1.10.0direkt
PyPIasttokens2.0.5indirekt
PyPIasttokens2.2.1indirekt
PyPIattrs21.4.0indirekt
PyPIbackcall0.2.0indirekt
PyPIbiopython1.79indirekt
PyPIbiopython1.80indirekt
PyPIblack—indirekt
PyPIblack24.3.0indirekt
PyPIcertifi2024.7.4indirekt
PyPIcfgv3.3.1indirekt
PyPIcharset-normalizer3.0.1indirekt
PyPIclick8.0.4indirekt
PyPIclick8.1.3indirekt
PyPIcolorama0.4.4indirekt
PyPIcolorama0.4.6indirekt
PyPIcoverage6.3.2indirekt
PyPIdarglint1.8.1indirekt
PyPIdecorator5.1.1indirekt
PyPIdistlib0.3.9indirekt
PyPIexecnet1.9.0indirekt
PyPIexecuting0.8.3indirekt
PyPIexecuting1.2.0indirekt
PyPIfilelock3.16.1indirekt
PyPIflake84.0.1indirekt
PyPIghp-import2.0.2indirekt
PyPIghp-import2.1.0indirekt
PyPIgriffe0.25.4indirekt
PyPIhypothesis—indirekt
PyPIhypothesis6.39.3indirekt
PyPIidentify2.4.11indirekt
PyPIidna3.15indirekt
PyPIimportlib-metadata4.11.2indirekt
PyPIimportlib-metadata7.0.1indirekt
PyPIiniconfig1.1.1indirekt
PyPIinterrogate1.5.0indirekt
PyPIipython—indirekt
PyPIipython8.10.0indirekt
PyPIisort—indirekt
PyPIisort5.10.1indirekt
PyPIjedi0.18.1indirekt
PyPIjedi0.18.2indirekt
PyPIjinja23.1.6indirekt
PyPImarkdown3.3.6indirekt
PyPImarkdown3.3.7indirekt
PyPImarkupsafe2.1.0indirekt
PyPImarkupsafe2.1.2indirekt
PyPImatplotlib-inline0.1.3indirekt
PyPImatplotlib-inline0.1.6indirekt
PyPImccabe0.6.1indirekt
PyPImergedeep1.3.4indirekt
PyPImkdocs1.2.3indirekt
PyPImkdocs1.4.2indirekt
PyPImkdocs-autorefs0.4.1indirekt
PyPImkdocs-material8.2.5indirekt
PyPImkdocs-material9.0.8indirekt
PyPImkdocs-material-extensions1.0.3indirekt
PyPImkdocs-material-extensions1.1.1indirekt
PyPImkdocstrings—indirekt
PyPImkdocstrings0.20.0indirekt
PyPImkdocstrings-python0.8.3indirekt
PyPImpmath1.3.0indirekt
PyPImypy-extensions0.4.3indirekt
PyPInodeenv1.6.0indirekt
PyPInumpy1.22.3indirekt
PyPInumpy1.24.1indirekt
PyPIpackaging21.3indirekt
PyPIpackaging23.0indirekt
PyPIpackaging24.0indirekt
PyPIpandas-vet0.2.3indirekt
PyPIparso0.8.3indirekt
PyPIpathspec0.9.0indirekt
PyPIpep5170.12.0indirekt
PyPIpexpect4.8.0indirekt
PyPIpickleshare0.7.5indirekt
PyPIpip-tools6.5.1indirekt
PyPIplatformdirs4.3.6indirekt
PyPIpluggy1.0.0indirekt
PyPIpolars0.20.31indirekt
PyPIpolars1.1.0indirekt
PyPIpre-commit2.17.0indirekt
PyPIprompt-toolkit3.0.36indirekt
PyPIprompt-toolkit3.0.39indirekt
PyPIptyprocess0.7.0indirekt
PyPIpure-eval0.2.2indirekt
PyPIpy—indirekt
PyPIpy1.11.0indirekt
PyPIpy4j0.10.9.7indirekt
PyPIpycodestyle2.8.0indirekt
PyPIpyflakes2.4.0indirekt
PyPIpygments2.20.0indirekt
PyPIpymdown-extensions10.0indirekt
PyPIpyparsing3.0.7indirekt
PyPIpyspark3.4.4indirekt
PyPIpytest—indirekt
PyPIpytest7.0.1indirekt
PyPIpytest-cov3.0.0indirekt
PyPIpytest-forked1.4.0indirekt
PyPIpytest-xdist2.5.0indirekt
PyPIpython-dateutil2.8.2indirekt
PyPIpytz2021.3indirekt
PyPIpyyaml6.0indirekt
PyPIpyyaml-env-tag0.1indirekt
PyPIregex2022.10.31indirekt
PyPIrequests2.32.4indirekt
PyPIsetuptools—indirekt
PyPIsix1.16.0indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIstack-data0.2.0indirekt
PyPIstack-data0.6.2indirekt
PyPIsympy1.10indirekt
PyPIsympy1.11.1indirekt
PyPItabulate0.8.9indirekt
PyPItoml0.10.2indirekt
PyPItomli2.0.1indirekt
PyPItqdm4.66.3indirekt
PyPItraitlets5.1.1indirekt
PyPItraitlets5.8.1indirekt
PyPItyping-extensions4.15.0indirekt
PyPIunyt2.8.0indirekt
PyPIunyt2.9.3indirekt
PyPIunyt3.0.4indirekt
PyPIurllib32.6.3indirekt
PyPIvirtualenv20.36.1indirekt
PyPIwatchdog2.1.6indirekt
PyPIwatchdog2.2.1indirekt
PyPIwcwidth0.2.5indirekt
PyPIwcwidth0.2.6indirekt
PyPIwheel0.46.2indirekt
PyPIxarray2022.3.0indirekt
PyPIzipp3.19.1indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:pyjanitor@0.32.27 zieht 11 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 pyjanitor-devs/pyjanitor teilen. Nebeneinander lesen →

99NVIDIA/cudfcuDF - GPU DataFrame Library Außergewöhnlich98man-group/ArcticDBArcticDB is a high performance, serverless DataFrame database built for the Python Data Science ecosystem.Außergewöhnlich100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Außergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich99kedro-org/kedroKedro is a toolbox for production-ready data science. It uses software engineering best practices to help you create data engineering and data science pipelines that are reproducible, maintainable, and modular.Außergewöhnlich99apache/supersetApache Superset is a Data Visualization and Data Exploration PlatformAußergewöhnlich

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.