Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-12 06:38 UTC

scikit-hep / awkward

Manipulate JSON-like data with NumPy-like idioms.

Python · C++BSD-3-Clause★ 976 Sterne⑂ 139 Forksseit Aug. 2019Auf GitHub ansehen ↗
ArtPluginBibliothekwie das ermittelt wird
#json#numpy#data-analysis#jagged-array#ragged-array#columnar-format#pandas#numba#apache-arrow#cern-root#scikit-hep#python#rdataframe

scikit-hep/awkward erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (99/100) ab, am schwächsten bei Security (46/100). Zuletzt heute 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 81 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Scikit-HEP ProjectOrganisation
307 Follower55 öffentliche Reposseit Nov. 2016

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIawkward2.13.0-209vor 28 Tagen
PyPIawkward_cpp562.213.32187vor 28 Tagen

Metriken nach Kategorie

Vitalität

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

99Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

98Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
33.9/36Commit-Rhythmus — 49/52 Wochen mit Commits
18/18Commit-Volumen — 343 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year343
human_commit_share0,87
days_since_last_push0
active_weeks_last_year49

Release-Disziplin

100Außergewöhnlich
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 28 Tagen
27/27Release-Rhythmus — ein Release etwa alle 36,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv2.13.0
releases_from_tagsnein
days_since_latest_release28
mean_days_between_releases36,4

Community & Verbreitung

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

78Gut · 17 % des Gesamtindex

Popularität & Verbreitung

72Gut
Wie die Bewertung erfolgt
48.5/60Stars — 976 Stars
17.8/25Forks — 139 Forks
6.2/15Watcher — 14 Watcher
Verwendete Eingangsdaten
forks139
stars976
watchers14
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 (BSD-3-Clause)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges11
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesbadge.fury.io, github.com, shields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 2.213.321 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesawkward, awkward_cpp
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2.213.321
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?

78Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

58Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
13.9/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 38 % der Commits
13.5/13.5Breite der Beitragenden — 60 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor2
contributors_sampled60
top_contributor_share0,384

Reaktionsfähigkeit bei Issues & PRs

89Exzellent
Wie die Bewertung erfolgt
35.4/42Issue-Lösungsquote — 84 % der Issues geschlossen
26.9/30PR-Annahme — 2.361/2.636 entschiedene PRs gemergt
13/13Newcomer PR acceptance — 1/1 PRs von Erstbeitragenden in 30 Tagen gemergt
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs2.361
open_issues210
closed_issues1.120
prs_merged_7d9
prs_decided_7d9
prs_merged_30d15
prs_decided_30d15
issue_closed_ratio0,842
closed_unmerged_prs275
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Eigentümerschaft & Trägerschaft

73Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
17.9/25Reichweite des Inhabers — 307 Follower von scikit-hep
24.7/25Kontohistorie — 55 öffentliche Repos, Kontoalter ca. 9 Jahre
Verwendete Eingangsdaten
followers307
owner_typeOrganization
is_verifiednein
owner_loginscikit-hep
public_repos55
account_age_days3.588

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 2 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 28 Tagen
20/20Versionshistorie — 209 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesawkward, awkward_cpp
ecosystemspypi
any_deprecatednein
min_days_since_publish28

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

95Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 21 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff], [tool.pylint])
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
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://awkward-array.org
10/10Repository-Beschreibung
10/10Topics — 13 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsjson, numpy, data-analysis, jagged-array, ragged-array, columnar-format, pandas, numba, apache-arrow, cern-root, scikit-hep, python, rdataframe
has_wikija
homepagehttps://awkward-array.org
docs_sitehttps://awkward-array.org
has_readmeja
has_docs_dirja
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
0/30Sicherheitsrichtlinie (SECURITY.md)
25/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsawkward-cpp/pyproject.toml, docs/requirements-wasm.txt, docs/requirements.txt, pyproject.toml, requirements-test-basic.txt, requirements-test-full.txt, requirements-test-gpu.txt, requirements-test-minimal.txt, requirements-test-ml.txt, requirements-test-nogil.txt, requirements-test-numpy1.txt
has_codeql_workflownein
has_security_policynein
has_dependabot_configja
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. 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_packages4
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:awkward@2.13.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 4 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.

79Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

85Exzellent
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 83 von 87 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,954
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes7.414

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

77Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — noxfile.py
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff], [tool.pylint])
0/11Statische Typprüfung
0/10Reproduzierbare Umgebung
10/10Belegte Agentenpraxis — 42 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 10 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_filesnoxfile.py
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,42
toolchain_manifests—
dependency_bot_commit_share0,1

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
53.9/55Handhabbare Dateigrößen — 26/1.312 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes216.019
source_files_sampled1.312
oversized_source_files26

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, samples
Verwendete Eingangsdaten
example_dirsexamples, notebooks, samples
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

976GitHub-Sterne
60Mitwirkende
343Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
2Bus-Faktor
210offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'awkward' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 139 ⇿
0Sterne
139Forks
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.

025507510012515013872019-122023-042026-09
Major 1Minor 15Patch 63

Jeder Punkt umfasst 7 Tage.

Direkte Abhängigkeiten 7
RegistryPaketVersionsvorgabeManifest
PyPInumpy>=1.21.3awkward-cpp/pyproject.toml
PyPIawkward_cpp==56pyproject.toml
PyPIimportlib_metadata>=4.13.0pyproject.toml
PyPInumpy>=1.21.3pyproject.toml
PyPIpackaging—pyproject.toml
PyPItyping_extensions>=4.1.0pyproject.toml
PyPIfsspec>=2022.11.0pyproject.toml
Alle Abhängigkeiten 56

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 4 direkte und 52 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIawkward-cpp56direkt
PyPIfsspec—direkt
PyPInumpy—direkt
PyPInumpy1.21.3direkt
PyPIawkward—indirekt
PyPIblack—indirekt
PyPIcmake—indirekt
PyPIfsspec-xrootd—indirekt
PyPIh5py—indirekt
PyPIhatchling—indirekt
PyPIhepunits—indirekt
PyPIhist—indirekt
PyPIhypothesis-awkward0.20.0indirekt
PyPIipyleaflet—indirekt
PyPIjax—indirekt
PyPIjupyterlite0.1.0indirekt
PyPIjupyterlite-pyodide-kernel0.1.0indirekt
PyPIjupyterlite-sphinx0.8.0indirekt
PyPIlark-parser—indirekt
PyPImatplotlib—indirekt
PyPImyst-nb—indirekt
PyPImyst-parser—indirekt
PyPInumba—indirekt
PyPInumba-cuda—indirekt
PyPInumexpr—indirekt
PyPIpandas—indirekt
PyPIpandas1.3.4indirekt
PyPIparticle—indirekt
PyPIpyarrow—indirekt
PyPIpyarrow17.0.0indirekt
PyPIpybind11—indirekt
PyPIpycparser—indirekt
PyPIpydantic—indirekt
PyPIpydata-sphinx-theme—indirekt
PyPIpyodide-build0.23.3indirekt
PyPIpytest—indirekt
PyPIpytest-cov—indirekt
PyPIpytest-xdist—indirekt
PyPIpyyaml—indirekt
PyPIs3fs—indirekt
PyPIsafetensors—indirekt
PyPIscikit-build—indirekt
PyPIscikit-build-core—indirekt
PyPIscikit-hep-testdata—indirekt
PyPIscipy—indirekt
PyPIsetuptools—indirekt
PyPIsphinx—indirekt
PyPIsphinx-autoapi—indirekt
PyPIsphinx-copybutton—indirekt
PyPIsphinx-design—indirekt
PyPIsphinx-external-toc—indirekt
PyPIsphinx-sitemap—indirekt
PyPItensorflow—indirekt
PyPItorch—indirekt
PyPIuproot—indirekt
PyPIvector—indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:awkward@2.13.0 zieht 4 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 scikit-hep/awkward teilen. Nebeneinander lesen →

99pydata/xarrayN-D labeled arrays and datasets in PythonAußergewöhnlich99pandas-dev/pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much moreAußergewöhnlich99NVIDIA/cudfcuDF - GPU DataFrame Library Außergewöhnlich98dask/daskParallel computing with task schedulingAußergewöhnlich97lance-format/lanceOpen Lakehouse Format for Multimodal AI. Convert from Parquet in 2 lines of code for 100x faster random access, vector index, and data versioning. Compatible with Pandas, DuckDB, Polars, Pyarrow, and PyTorch with more integrations coming..Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

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