Öffentliches Register
Software-GesundheitsberichtSchema 0.31.0 · Metriken 2.10.0 · 2026-08-12 20:09 UTC

sinaptik-ai / pandas-ai

Chat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.

PythonEigene Lizenz★ 23.740 Sterne⑂ 2.343 Forksseit Apr. 2023Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#llm#pandas#ai#data-analysis#data-science#gpt-4#csv#data#sql#database#datalake#data-visualization#text-to-sql

sinaptik-ai/pandas-ai erreicht einen Gesundheitsindex von 77 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Engineering Quality (92/100) ab, am schwächsten bei Security (36/100). Zuletzt vor 288 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

77
gesamt / 100
Gut

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.

77
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 66 wird auf der veröffentlichten Indexskala auf 77 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

PandasAIOrganisation
308 Follower6 öffentliche Reposseit Dez. 2023

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIpandasai3.0.0244.374225vor 309 Tagen

Metriken nach Kategorie

Vitalität

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

46Schwach · 21 % des Gesamtindex

Entwicklungsaktivität

25Gefährdet
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 288 Tagen
4.8/36Commit-Rhythmus — 7/52 Wochen mit Commits
16.3/18Commit-Volumen — 65 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_year65
human_commit_share1
days_since_last_push288
active_weeks_last_year7

Release-Disziplin

78Gut
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
16.2/36Release-Aktualität — letztes Release vor 309 Tagen
27/27Release-Rhythmus — ein Release etwa alle 25 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv3.0.0
releases_from_tagsnein
days_since_latest_release309
mean_days_between_releases25
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?

86Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

97Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 23.740 Stars
25/25Forks — 2.343 Forks
12.3/15Watcher — 166 Watcher
Verwendete Eingangsdaten
forks2.343
stars23.740
watchers166
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

71Gut
Wie die Bewertung erfolgt
22.5/22.5README
16.9/22.5Lizenz — Lizenzdatei vorhanden, keine anerkannte Lizenz
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges5
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

90Exzellent
Wie die Bewertung erfolgt
71.8/80Downloads pro Monat — 244.374 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagespandasai
dependents—
ecosystemspypi
total_downloads—
monthly_downloads244.374
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)

43Schwach
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
10.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 52 % der Commits
13.5/13.5Breite der Beitragenden — 97 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 8 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled97
top_contributor_share0,521

Reaktionsfähigkeit bei Issues & PRs

80Exzellent
Wie die Bewertung erfolgt
41.7/42Issue-Lösungsquote — 99 % der Issues geschlossen
23.7/30PR-Annahme — 564/713 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
4.5/15OpenSSF Scorecard: Code-Review — Found 4/13 approved changesets -- score normalized to 3
Verwendete Eingangsdaten
merged_prs564
open_issues6
closed_issues928
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,994
closed_unmerged_prs149
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

74Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
17.9/25Reichweite des Inhabers — 308 Follower von sinaptik-ai
11.4/25Kontohistorie — 6 öffentliche Repos, Kontoalter ca. 2 Jahre
Verwendete Eingangsdaten
followers308
owner_typeOrganization
is_verified—
owner_loginsinaptik-ai
public_repos6
account_age_days966
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 309 Tagen
20/20Versionshistorie — 225 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagespandasai
ecosystemspypi
any_deprecatednein
min_days_since_publish309

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

92Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

86Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 3 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
12/20OpenSSF Scorecard: CI-Tests — 6 out of 9 merged PRs checked by a CI test -- score normalized to 6
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://pandas-ai.com
10/10Repository-Beschreibung
10/10Topics — 13 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsllm, pandas, ai, data-analysis, data-science, gpt-4, csv, data, sql, database, datalake, data-visualization, text-to-sql
has_wikija
homepagehttps://pandas-ai.com
docs_sitehttps://pandas-ai.com
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

36Schwach · 16 % des Gesamtindex

Sicherheitslage

30Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
1.5/2.5CI-Tests — 6 out of 9 merged PRs checked by a CI test -- score normalized to 6
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
2.2/7.5Code-Review — Found 4/13 approved changesets -- score normalized to 3
2.5/2.5Contributors — project has 8 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Lizenz — 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
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
0/7.5Vulnerabilities — 171 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated15
scorecard_versionv5.5.0
checks_inconclusive3
scorecard_aggregate3,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection, Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

62Mittel
Wie die Bewertung erfolgt
8.1/35Direkte Abhängigkeiten ohne bekannte Advisories — 2 betroffen: pillow 10.4.0 (critical 9.1), pyarrow 18.1.0 (high 7.0)
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
28.5/40Keine offenen Advisories — 2 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 182 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories36
affected_packages2
assessed_packages36
unassessed_packages0
affected_by_severitycritical 1, high 1
direct_affected_packages2
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:pandasai@3.0.0 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 36 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.

61Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

30Gefährdet
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
30.4/40Lesbare Commit-Historie — 57 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,57
agent_instruction_files—
agent_instruction_max_bytes—

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

71Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 9 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
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_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,09
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/191 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes23.307
source_files_sampled191
oversized_source_files0

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

23.740GitHub-Sterne
97Mitwirkende
65Commits, letzte 12 Monate
288Tage seit letztem Push
100Releases
1Bus-Faktor
6offene 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 ★ / 2.343 ⇿
0Sterne
2.343Forks
13Releases

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.

1.2001.4001.6001.8002.0002.2002.4002.343482025-022025-112026-08
Major 1Minor 0Patch 1

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 3.1 / 10
3.1Gesamtwert

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 · 2026-08-12 20:08 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
6CI-Tests6 out of 9 merged PRs checked by a CI test -- score normalized to 6
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
3Code-ReviewFound 4/13 approved changesets -- score normalized to 3
10Contributorsproject has 8 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
9Licenselicense 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
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
0Vulnerabilities171 existing vulnerabilities detected
Direkte Abhängigkeiten 16
RegistryPaketVersionsvorgabeManifest
PyPIpython-dotenv^1.0.0pyproject.toml
PyPIpandas^2.0.3pyproject.toml
PyPIscipy1.10.1pyproject.toml
PyPIastor^0.8.1pyproject.toml
PyPImatplotlib<3.8,>=3.7.1pyproject.toml
PyPIpydantic^2.6.4pyproject.toml
PyPIduckdb^1.0.0pyproject.toml
PyPIpillow^10.1.0pyproject.toml
PyPIrequests^2.31.0pyproject.toml
PyPIjinja2^3.1.3pyproject.toml
PyPInumpy^1.17pyproject.toml
PyPIopenpyxl^3.1.5pyproject.toml
PyPIseaborn^0.12.2pyproject.toml
PyPIsqlglot^25.0.3pyproject.toml
PyPIpyarrow>=14.0.1,<19.0.0pyproject.toml
PyPIpyyaml^6.0.2pyproject.toml
Alle Abhängigkeiten 272

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 20 direkte und 252 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIastor0.8.1direkt
PyPIduckdb1.1.3direkt
PyPIjinja23.1.5direkt
PyPImatplotlib3.7.5direkt
PyPInumpy1.23.2direkt
PyPInumpy1.24.4direkt
PyPInumpy1.26.4direkt
PyPIopenpyxl3.1.5direkt
PyPIpandas2.0.3direkt
PyPIpandas2.2.3direkt
PyPIpillow10.4.0direkt
PyPIpyarrow14.0.2direkt
PyPIpydantic2.10.5direkt
PyPIpydantic2.10.6direkt
PyPIpython-dotenv1.0.1direkt
PyPIpyyaml6.0.2direkt
PyPIrequests2.32.3direkt
PyPIscipy1.10.1direkt
PyPIseaborn0.12.2direkt
PyPIsqlglot25.34.1direkt
PyPIaiohappyeyeballs2.4.4indirekt
PyPIaiohttp3.10.11indirekt
PyPIaiosignal1.3.1indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.5.2indirekt
PyPIanyio4.8.0indirekt
PyPIasgiref3.8.1indirekt
PyPIasn1crypto1.5.1indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs24.3.0indirekt
PyPIattrs25.1.0indirekt
PyPIbackoff2.2.1indirekt
PyPIbcrypt4.2.1indirekt
PyPIbeautifulsoup44.12.3indirekt
PyPIbuild1.2.2.post1indirekt
PyPIcachetools5.5.0indirekt
PyPIcertifi2024.12.14indirekt
PyPIcffi1.17.1indirekt
PyPIcfgv3.4.0indirekt
PyPIcharset-normalizer3.4.1indirekt
PyPIchroma-hnswlib0.7.3indirekt
PyPIchromadb0.4.24indirekt
PyPIclick8.1.8indirekt
PyPIcockroachdb0.3.5indirekt
PyPIcodespell2.4.1indirekt
PyPIcolorama0.4.6indirekt
PyPIcoloredlogs15.0.1indirekt
PyPIcontourpy1.1.1indirekt
PyPIcontourpy1.3.0indirekt
PyPIcoverage7.6.1indirekt
PyPIcoverage7.6.10indirekt
PyPIcryptography43.0.3indirekt
PyPIcx-oracle8.3.0indirekt
PyPIcycler0.12.1indirekt
PyPIdatabricks-sql-connector3.7.1indirekt
PyPIdecorator5.1.1indirekt
PyPIdeprecated1.2.15indirekt
PyPIdeprecation2.1.0indirekt
PyPIdistlib0.3.9indirekt
PyPIdistro1.9.0indirekt
PyPIdocker7.1.0indirekt
PyPIdurationpy0.9indirekt
PyPIet-xmlfile2.0.0indirekt
PyPIexceptiongroup1.2.2indirekt
PyPIfastapi0.115.6indirekt
PyPIfilelock3.16.1indirekt
PyPIflatbuffers24.12.23indirekt
PyPIfonttools4.55.3indirekt
PyPIfonttools4.55.4indirekt
PyPIfonttools4.55.8indirekt
PyPIfrozendict2.4.6indirekt
PyPIfrozenlist1.5.0indirekt
PyPIfsspec2024.12.0indirekt
PyPIgoogle-api-core2.24.0indirekt
PyPIgoogle-auth2.37.0indirekt
PyPIgoogle-cloud-bigquery3.27.0indirekt
PyPIgoogle-cloud-core2.4.1indirekt
PyPIgoogle-crc32c1.6.0indirekt
PyPIgoogle-resumable-media2.7.2indirekt
PyPIgoogleapis-common-protos1.66.0indirekt
PyPIgreenlet3.1.1indirekt
PyPIgrpcio1.67.1indirekt
PyPIgrpcio1.69.0indirekt
PyPIgrpcio-status1.69.0indirekt
PyPIgrpcio-tools1.69.0indirekt
PyPIh110.14.0indirekt
PyPIh24.1.0indirekt
PyPIhpack4.0.0indirekt
PyPIhtml5lib1.1indirekt
PyPIhttpcore1.0.7indirekt
PyPIhttptools0.6.4indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub0.27.1indirekt
PyPIhumanfriendly10.0indirekt
PyPIhyperframe6.0.1indirekt
PyPIidentify2.6.1indirekt
PyPIidna3.10indirekt
PyPIimportlib-metadata8.5.0indirekt
PyPIimportlib-resources6.4.5indirekt
PyPIimportlib-resources6.5.2indirekt
PyPIiniconfig2.0.0indirekt
PyPIjiter0.8.2indirekt
PyPIjoblib1.4.2indirekt
PyPIjsonschema4.23.0indirekt
PyPIjsonschema-specifications2023.12.1indirekt
PyPIkiwisolver1.4.7indirekt
PyPIkubernetes31.0.0indirekt
PyPIlancedb0.5.7indirekt
PyPIlitellm1.61.20indirekt
PyPIlxml5.3.0indirekt
PyPIlz44.3.3indirekt
PyPImarkdown-it-py3.0.0indirekt
PyPImarkupsafe2.1.5indirekt
PyPImarkupsafe3.0.2indirekt
PyPImdurl0.1.2indirekt
PyPImilvus-lite2.4.11indirekt
PyPImilvus-model0.2.12indirekt
PyPImmh35.0.1indirekt
PyPImonotonic1.6indirekt
PyPImpmath1.3.0indirekt
PyPImultidict6.1.0indirekt
PyPImultitasking0.0.11indirekt
PyPInetworkx3.1indirekt
PyPInetworkx3.2.1indirekt
PyPInodeenv1.9.1indirekt
PyPInvidia-cublas-cu1212.1.3.1indirekt
PyPInvidia-cublas-cu1212.4.5.8indirekt
PyPInvidia-cuda-cupti-cu1212.1.105indirekt
PyPInvidia-cuda-cupti-cu1212.4.127indirekt
PyPInvidia-cuda-nvrtc-cu1212.1.105indirekt
PyPInvidia-cuda-nvrtc-cu1212.4.127indirekt
PyPInvidia-cuda-runtime-cu1212.1.105indirekt
PyPInvidia-cuda-runtime-cu1212.4.127indirekt
PyPInvidia-cudnn-cu129.1.0.70indirekt
PyPInvidia-cufft-cu1211.0.2.54indirekt
PyPInvidia-cufft-cu1211.2.1.3indirekt
PyPInvidia-curand-cu1210.3.2.106indirekt
PyPInvidia-curand-cu1210.3.5.147indirekt
PyPInvidia-cusolver-cu1211.4.5.107indirekt
PyPInvidia-cusolver-cu1211.6.1.9indirekt
PyPInvidia-cusparse-cu1212.1.0.106indirekt
PyPInvidia-cusparse-cu1212.3.1.170indirekt
PyPInvidia-nccl-cu122.20.5indirekt
PyPInvidia-nccl-cu122.21.5indirekt
PyPInvidia-nvjitlink-cu1212.4.127indirekt
PyPInvidia-nvjitlink-cu1212.6.85indirekt
PyPInvidia-nvtx-cu1212.1.105indirekt
PyPInvidia-nvtx-cu1212.4.127indirekt
PyPIoauthlib3.2.2indirekt
PyPIonnxruntime1.15.1indirekt
PyPIonnxruntime1.19.2indirekt
PyPIopenai1.59.9indirekt
PyPIopenai1.60.2indirekt
PyPIopenai1.65.1indirekt
PyPIopentelemetry-api1.29.0indirekt
PyPIopentelemetry-exporter-otlp-proto-common1.29.0indirekt
PyPIopentelemetry-exporter-otlp-proto-grpc1.29.0indirekt
PyPIopentelemetry-instrumentation0.50b0indirekt
PyPIopentelemetry-instrumentation-asgi0.50b0indirekt
PyPIopentelemetry-instrumentation-fastapi0.50b0indirekt
PyPIopentelemetry-proto1.29.0indirekt
PyPIopentelemetry-sdk1.29.0indirekt
PyPIopentelemetry-semantic-conventions0.50b0indirekt
PyPIopentelemetry-util-http0.50b0indirekt
PyPIorjson3.10.15indirekt
PyPIoverrides7.7.0indirekt
PyPIpackaging24.2indirekt
PyPIpandasai3.0.0b4indirekt
PyPIpeewee3.17.8indirekt
PyPIpinecone-client3.2.2indirekt
PyPIpkgutil-resolve-name1.3.10indirekt
PyPIplatformdirs4.3.6indirekt
PyPIpluggy1.5.0indirekt
PyPIportalocker2.10.1indirekt
PyPIposthog3.8.4indirekt
PyPIpre-commit3.5.0indirekt
PyPIpropcache0.2.0indirekt
PyPIproto-plus1.25.0indirekt
PyPIprotobuf5.29.3indirekt
PyPIpsycopg2-binary2.9.10indirekt
PyPIpulsar-client3.5.0indirekt
PyPIpy1.11.0indirekt
PyPIpyasn10.6.1indirekt
PyPIpyasn1-modules0.4.1indirekt
PyPIpycparser2.22indirekt
PyPIpydantic-core2.27.2indirekt
PyPIpygments2.19.1indirekt
PyPIpyjwt2.10.1indirekt
PyPIpylance0.9.18indirekt
PyPIpymilvus2.5.3indirekt
PyPIpymssql2.3.7indirekt
PyPIpymysql1.1.1indirekt
PyPIpyopenssl24.3.0indirekt
PyPIpyparsing3.1.4indirekt
PyPIpyparsing3.2.1indirekt
PyPIpypika0.48.9indirekt
PyPIpyproject-hooks1.2.0indirekt
PyPIpyreadline33.5.4indirekt
PyPIpytest7.4.4indirekt
PyPIpytest-cov4.1.0indirekt
PyPIpytest-env0.8.2indirekt
PyPIpytest-mock3.14.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpytz2024.2indirekt
PyPIpywin32308indirekt
PyPIqdrant-client1.4.0indirekt
PyPIratelimiter1.2.0.post0indirekt
PyPIreferencing0.35.1indirekt
PyPIregex2024.11.6indirekt
PyPIrequests-oauthlib2.0.0indirekt
PyPIretry0.9.2indirekt
PyPIrich13.9.4indirekt
PyPIrpds-py0.20.1indirekt
PyPIrsa4.9indirekt
PyPIruff0.1.15indirekt
PyPIsafetensors0.5.2indirekt
PyPIscikit-learn1.3.2indirekt
PyPIscikit-learn1.6.1indirekt
PyPIsemver3.0.2indirekt
PyPIsentence-transformers2.7.0indirekt
PyPIsetuptools70.0.0indirekt
PyPIsetuptools75.8.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsniffio1.3.1indirekt
PyPIsnowflake-connector-python3.12.4indirekt
PyPIsnowflake-sqlalchemy1.7.3indirekt
PyPIsortedcontainers2.4.0indirekt
PyPIsoupsieve2.6indirekt
PyPIsourcery1.33.0indirekt
PyPIsqlalchemy2.0.37indirekt
PyPIsqlalchemy-bigquery1.12.0indirekt
PyPIsqlglotrs0.3.0indirekt
PyPIstarlette0.41.3indirekt
PyPIsympy1.12.1indirekt
PyPIsympy1.13.1indirekt
PyPIsympy1.13.3indirekt
PyPItenacity9.0.0indirekt
PyPIthreadpoolctl3.5.0indirekt
PyPIthrift0.20.0indirekt
PyPItiktoken0.7.0indirekt
PyPItokenizers0.20.3indirekt
PyPItokenizers0.21.0indirekt
PyPItomli2.2.1indirekt
PyPItomlkit0.13.2indirekt
PyPItorch2.4.1indirekt
PyPItorch2.5.1indirekt
PyPItqdm4.67.1indirekt
PyPItransformers4.46.3indirekt
PyPItransformers4.48.1indirekt
PyPItriton3.0.0indirekt
PyPItriton3.1.0indirekt
PyPItyper0.15.1indirekt
PyPItyping-extensions4.12.2indirekt
PyPItzdata2024.2indirekt
PyPItzdata2025.1indirekt
PyPIujson5.10.0indirekt
PyPIurllib31.26.20indirekt
PyPIurllib32.2.3indirekt
PyPIurllib32.3.0indirekt
PyPIuvicorn0.34.0indirekt
PyPIuvloop0.21.0indirekt
PyPIvirtualenv20.29.1indirekt
PyPIwatchfiles1.0.4indirekt
PyPIwebencodings0.5.1indirekt
PyPIwebsocket-client1.8.0indirekt
PyPIwebsockets14.2indirekt
PyPIwrapt1.17.2indirekt
PyPIyarl1.15.2indirekt
PyPIyfinance0.2.52indirekt
PyPIzipp3.20.2indirekt
PyPIzipp3.21.0indirekt
Abhängigkeits-Advisories 2

Die Installation von pypi:pandasai@3.0.0 zieht 36 Pakete nach sich, direkt und transitiv: 2 tragen bekannte Advisories, davon 2 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
pillow10.4.0direktkritisch3412.3.0
pyarrow18.1.0direkthoch223.0.1

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 sinaptik-ai/pandas-ai teilen. Nebeneinander lesen →

96man-group/arcticdbArcticDB is a high performance, serverless DataFrame database built for the Python Data Science ecosystem.Außergewöhnlich99metabase/metabaseThe easy-to-use open source Business Intelligence and Embedded Analytics tool that lets everyone work with data :bar_chart:Außergewöhnlich98trinodb/trinoOfficial repository of Trino, the distributed SQL query engine for big data, formerly known as PrestoSQL (https://trino.io)Außergewöhnlich100reflex-dev/reflex🕸️ Web apps in pure Python 🐍Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich99pandas-dev/pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much moreAußergewöhnlich

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.