Öffentliches Register
Software-GesundheitsberichtSchema 0.25.0 · Metriken 2.10.0 · 2026-07-21 22:33 UTC

whylabs / whylogs

An open-source data logging library for machine learning models and data pipelines. 📚 Provides visibility into data quality & model performance over time. 🛡️ Supports privacy-preserving data collection, ensuring safety & robustness. 📈

Jupyter Notebook · Python · HTMLApache-2.0★ 2.828 Sterne⑂ 143 Forksseit Aug. 2020Auf GitHub ansehen ↗
#ai-pipelines#approximate-statistics#statistical-properties#data-quality#calculate-statistics#python#logging#mlops#dataops#ml-pipelines#data-pipeline#dataset#machine-learning#data-science#analytics#constraints#data-constraints#model-performance

whylabs/whylogs erreicht einen Gesundheitsindex von 34 von 100 und liegt damit im Bereich Gefährdet. Am stärksten schneidet es bei Community & Adoption (87/100) ab, am schwächsten bei Vitality (28/100). Zuletzt vor 557 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

34
gesamt / 100
Gefährdet

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.

34
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 65 wird auf der veröffentlichten Indexskala auf 75 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

WhyLabsOrganisation
189 Follower40 öffentliche Reposseit Okt. 2019

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPIwhylogsverweist auf ein anderes Repo — nicht bewertet1.6.4157.722339vor 594 Tagen

Metriken nach Kategorie

Vitalität

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

28Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

1Kritisch
Wie die Bewertung erfolgt
0/36Push-Aktualität — letzter Push vor 557 Tagen
0/36Commit-Rhythmus — 0/52 Wochen mit Commits
0/18Commit-Volumen — 0 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_year0
human_commit_share0,99
days_since_last_push557
active_weeks_last_year0

Release-Disziplin

68Gut
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
7.2/36Release-Aktualität — letztes Release vor 594 Tagen
27/27Release-Rhythmus — ein Release etwa alle 9,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count100
latest_release_tagv1.6.4
releases_from_tagsnein
days_since_latest_release594
mean_days_between_releases9,4
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?

87Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

82Exzellent
Wie die Bewertung erfolgt
56/60Stars — 2.828 Stars
17.9/25Forks — 143 Forks
8.3/15Watcher — 32 Watcher
Verwendete Eingangsdaten
forks143
stars2.828
watchers32
growth_stateorganic
growth_factor_pct100

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_services—
has_pull_request_templateja

Nachhaltigkeit & Governance

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

82Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

64Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
15.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 30 % der Commits
13.5/13.5Breite der Beitragenden — 22 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled22
top_contributor_share0,304

Reaktionsfähigkeit bei Issues & PRs

96Außergewöhnlich
Wie die Bewertung erfolgt
41.9/42Issue-Lösungsquote — 100 % der Issues geschlossen
26.6/30PR-Annahme — 1.034/1.167 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Verwendete Eingangsdaten
merged_prs1.034
open_issues1
closed_issues434
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,998
closed_unmerged_prs133
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

88Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
16.4/25Reichweite des Inhabers — 189 Follower von whylabs
23.7/25Kontohistorie — 40 öffentliche Repos, Kontoalter ca. 6 Jahre
Verwendete Eingangsdaten
followers189
owner_typeOrganization
is_verified—
owner_loginwhylabs
public_repos40
account_age_days2.470
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

74Gut · 19 % des Gesamtindex

Engineering-Praktiken

74Gut
Wie die Bewertung erfolgt
24/24CI-Workflows — 8 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .flake8
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — 0 out of 29 merged PRs checked by a CI test -- score normalized to 0
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://whylogs.readthedocs.io/
10/10Repository-Beschreibung
10/10Topics — 18 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsai-pipelines, approximate-statistics, statistical-properties, data-quality, calculate-statistics, python, logging, mlops, dataops, ml-pipelines, data-pipeline, dataset, machine-learning, data-science, analytics, constraints, data-constraints, model-performance
has_wikija
homepagehttps://whylogs.readthedocs.io/
docs_sitehttps://whylogs.readthedocs.io/
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

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

54Mittel · 16 % des Gesamtindex

Sicherheitslage

42Schwach
Wie die Bewertung erfolgt
6.8/7.5Binary-Artifacts — binaries present in source code
6/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — 0 out of 29 merged PRs checked by a CI test -- score normalized to 0
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 6 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
2.5/2.5Lizenz — 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 — 143 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate4,2
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): 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_packages13
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:whylogs@1.6.4 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 13 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.

60Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 94 von 99 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,949
agent_instruction_files—
agent_instruction_max_bytes—

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

61Mittel
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — python/Makefile, python/docs/Makefile, python/examples/integrations/bentoml/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .flake8
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, 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_dockerfileja
typed_languagenein
bootstrap_filespython/Makefile, python/docs/Makefile, python/examples/integrations/bentoml/Makefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0
toolchain_manifestsjava/build.gradle.kts, java/core-bundle/build.gradle.kts, java/core/build.gradle.kts, java/smoketest/build.gradle, java/spark-bundle/build.gradle.kts, java/spark/build.gradle.kts
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Jupyter Notebook ohne Typprüfungs-Konfiguration
54.7/55Handhabbare Dateigrößen — 2/395 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageJupyter Notebook
largest_source_bytes270.687
source_files_sampled395
oversized_source_files2

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
40/40API-Schema (OpenAPI/GraphQL/proto) — proto/src/whylogs_messages.proto, proto/v0/v0_constraints.proto, proto/v0/v0_messages.proto, proto/v0/v0_summaries.proto, python/examples/integrations/flask_streaming/swagger.yaml
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_filesproto/src/whylogs_messages.proto, proto/v0/v0_constraints.proto, proto/v0/v0_messages.proto, proto/v0/v0_summaries.proto, python/examples/integrations/flask_streaming/swagger.yaml
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

2.828GitHub-Sterne
22Mitwirkende
0Commits, letzte 12 Monate
557Tage seit letztem Push
100Releases
2Bus-Faktor
1offene Issues
Maven, PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • pypi package 'whylogs' points at a different repository (https://docs.whylabs.ai); excluded from ecosystem scoring

Weitere Details

Stern- und Fork-Verlauf 2.828 ★ / 143 ⇿
2.828Sterne
143Forks
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.

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

05001.0001.5002.0002.5003.0002.828143552020-092023-082026-07
Major 0Minor 4Patch 96

Jeder Punkt umfasst 6 Tage.

OpenSSF Scorecard 4.2 / 10
4.2Gesamtwert

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 · 2026-07-21 22:32 UTC

9Binary-Artifactsbinaries present in source code
8Branch-Protectionbranch protection is not maximal on development and all release branches
0CI-Tests0 out of 29 merged PRs checked by a CI test -- score normalized to 0
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 6 contributing companies or organizations
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
0Vulnerabilities143 existing vulnerabilities detected
Direkte Abhängigkeiten 35
RegistryPaketVersionsvorgabeManifest
PyPIwhylogs-sketching>=3.4.1.dev3python/pyproject.toml
PyPIprotobuf>=3.19.4python/pyproject.toml
PyPIimportlib-metadata<4.3python/pyproject.toml
PyPItyping-extensions>=3.10python/pyproject.toml
PyPIwhylabs-client^0.6.15python/pyproject.toml
PyPIrequests^2.27python/pyproject.toml
PyPIbackoff^2.2.1python/pyproject.toml
PyPIplatformdirs^3.5.0python/pyproject.toml
PyPIpybars3^0.9python/pyproject.toml
PyPIipython*python/pyproject.toml
PyPIscipy—python/pyproject.toml
PyPInumpy—python/pyproject.toml
PyPIpandas*python/pyproject.toml
PyPIsphinx*python/pyproject.toml
PyPIsphinx-autoapi*python/pyproject.toml
PyPIsphinx-copybutton^0.5.0python/pyproject.toml
PyPImyst-parser^0.17.2python/pyproject.toml
PyPIfuro^2022.3.4python/pyproject.toml
PyPIsphinx-autobuild^2021.3.14python/pyproject.toml
PyPIsphinxext-opengraph^0.6.3python/pyproject.toml
PyPIsphinx-inline-tabs*python/pyproject.toml
PyPIipython_genutils^0.2.0python/pyproject.toml
PyPInbsphinx^0.8.9python/pyproject.toml
PyPInbconvert^7.0.0python/pyproject.toml
PyPIboto3^1.22.13python/pyproject.toml
PyPImlflow-skinny—python/pyproject.toml
PyPIdatabricks-cli^0.8.0python/pyproject.toml
PyPIgoogle-cloud-storage^2.5.0python/pyproject.toml
PyPIpyarrow>=8.0.0, <13python/pyproject.toml
PyPIpyspark^3.0.0python/pyproject.toml
PyPIfaster-fifo^1.4.5python/pyproject.toml
PyPIorjson^3.8.10python/pyproject.toml
PyPIPillow—python/pyproject.toml
PyPIscikit-learn—python/pyproject.toml
PyPIfugue^0.8.1python/pyproject.toml
Alle Abhängigkeiten 245

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 46 direkte und 199 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIbackoff2.2.1direkt
PyPIboto31.33.13direkt
PyPIdatabricks-cli0.8.7direkt
PyPIfaster-fifo1.4.7direkt
PyPIfugue0.8.6direkt
PyPIfuro2022.9.29direkt
PyPIgoogle-cloud-storage2.16.0direkt
PyPIimportlib-metadata4.2.0direkt
PyPIipython7.34.0direkt
PyPIipython-genutils0.2.0direkt
PyPImlflow-skinny1.27.0direkt
PyPImlflow-skinny2.13.0direkt
PyPImyst-parser0.17.2direkt
PyPInbconvert7.6.0direkt
PyPInbsphinx0.8.12direkt
PyPInumpy—direkt
PyPInumpy1.21.6direkt
PyPInumpy1.26.4direkt
PyPIorjson3.9.7direkt
PyPIpandas—direkt
PyPIpandas1.3.2direkt
PyPIpandas1.3.5direkt
PyPIpillow10.3.0direkt
PyPIpillow9.5.0direkt
PyPIplatformdirs3.11.0direkt
PyPIprotobuf4.24.4direkt
PyPIpyarrow12.0.1direkt
PyPIpybars30.9.7direkt
PyPIpyspark3.4.3direkt
PyPIrequests2.22.0direkt
PyPIrequests2.31.0direkt
PyPIscikit-learn—direkt
PyPIscikit-learn1.0.2direkt
PyPIscikit-learn1.1.1direkt
PyPIscikit-learn1.5.0direkt
PyPIscipy1.13.0direkt
PyPIscipy1.7.3direkt
PyPIsphinx4.3.2direkt
PyPIsphinx-autoapi2.0.1direkt
PyPIsphinx-autobuild2021.3.14direkt
PyPIsphinx-copybutton0.5.2direkt
PyPIsphinx-inline-tabs2023.4.21direkt
PyPIsphinxext-opengraph0.6.3direkt
PyPItyping-extensions4.7.1direkt
PyPIwhylabs-client0.6.15direkt
PyPIwhylogs-sketching3.4.1.dev3direkt
PyPI2to31.0indirekt
PyPIadagio0.2.4indirekt
PyPIalabaster0.7.13indirekt
PyPIansiwrap0.8.4indirekt
PyPIantlr4-python3-runtime4.11.1indirekt
PyPIappdirs1.4.4indirekt
PyPIappnope0.1.4indirekt
PyPIastroid2.11.7indirekt
PyPIattrs23.2.0indirekt
PyPIautoflake1.7.8indirekt
PyPIbabel2.14.0indirekt
PyPIbackcall0.2.0indirekt
PyPIbeautifulsoup44.12.3indirekt
PyPIbentoml—indirekt
PyPIblack22.12.0indirekt
PyPIbleach6.0.0indirekt
PyPIbotocore1.33.13indirekt
PyPIbump2version1.0.1indirekt
PyPIcachetools5.3.3indirekt
PyPIcertifi2024.2.2indirekt
PyPIcffi1.15.1indirekt
PyPIcfgv3.3.1indirekt
PyPIcharset-normalizer3.3.2indirekt
PyPIclick8.1.7indirekt
PyPIcloudpickle2.2.1indirekt
PyPIcloudpickle3.0.0indirekt
PyPIcolorama0.4.6indirekt
PyPIconfigparser5.3.0indirekt
PyPIcoverage7.2.7indirekt
PyPIcryptography42.0.7indirekt
PyPIcython3.0.10indirekt
PyPIdebugpy1.7.0indirekt
PyPIdecorator5.1.1indirekt
PyPIdefusedxml0.7.1indirekt
PyPIdeprecated1.2.14indirekt
PyPIdistlib0.3.8indirekt
PyPIdocutils0.17.1indirekt
PyPIentrypoints0.4indirekt
PyPIexceptiongroup1.2.1indirekt
PyPIexecnet2.1.1indirekt
PyPIfastapi—indirekt
PyPIfastjsonschema2.19.1indirekt
PyPIfilelock3.12.2indirekt
PyPIfindspark2.0.1indirekt
PyPIflake85.0.4indirekt
PyPIflasgger0.9.5indirekt
PyPIflask2.0.1indirekt
PyPIflask-cors3.0.10indirekt
PyPIflask-pydantic0.8.0indirekt
PyPIfs2.4.16indirekt
PyPIfsspec2023.1.0indirekt
PyPIfugue-sql-antlr0.1.8indirekt
PyPIgcp-storage-emulator2022.6.11indirekt
PyPIgitdb4.0.11indirekt
PyPIgitpython3.1.43indirekt
PyPIgoogle-api-core2.19.0indirekt
PyPIgoogle-auth2.29.0indirekt
PyPIgoogle-cloud-core2.4.1indirekt
PyPIgoogle-crc32c1.3.0indirekt
PyPIgoogle-resumable-media2.7.0indirekt
PyPIgoogleapis-common-protos1.63.0indirekt
PyPIgunicorn20.1.0indirekt
PyPIhttpretty1.1.4indirekt
PyPIidentify2.5.24indirekt
PyPIidna3.7indirekt
PyPIimagesize1.4.1indirekt
PyPIimportlib-resources5.12.0indirekt
PyPIiniconfig2.0.0indirekt
PyPIipykernel6.16.2indirekt
PyPIisort5.11.5indirekt
PyPIjaraco-classes3.2.3indirekt
PyPIjedi0.19.1indirekt
PyPIjeepney0.8.0indirekt
PyPIjinja23.1.4indirekt
PyPIjmespath1.0.1indirekt
PyPIjoblib—indirekt
PyPIjoblib1.0.1indirekt
PyPIjoblib1.3.2indirekt
PyPIjoblib1.4.2indirekt
PyPIjsonschema4.17.3indirekt
PyPIjupyter-client7.4.9indirekt
PyPIjupyter-core4.12.0indirekt
PyPIjupyterlab-pygments0.2.2indirekt
PyPIkeyring23.9.3indirekt
PyPIlazy-object-proxy1.9.0indirekt
PyPIlivereload2.6.3indirekt
PyPImarkdown-it-py2.2.0indirekt
PyPImarkupsafe2.1.5indirekt
PyPImatplotlib-inline0.1.6indirekt
PyPImccabe0.7.0indirekt
PyPImdit-py-plugins0.3.5indirekt
PyPImdurl0.1.2indirekt
PyPImistune3.0.2indirekt
PyPImore-itertools9.1.0indirekt
PyPImoto4.2.14indirekt
PyPImypy0.991indirekt
PyPImypy-extensions1.0.0indirekt
PyPImypy-protobuf3.4.0indirekt
PyPInbclient0.7.4indirekt
PyPInbformat5.8.0indirekt
PyPInest-asyncio1.6.0indirekt
PyPInodeenv1.8.0indirekt
PyPIopentelemetry-api1.16.0indirekt
PyPIopentelemetry-sdk1.16.0indirekt
PyPIopentelemetry-semantic-conventions0.37b0indirekt
PyPIpackaging24.0indirekt
PyPIpandas-stubs1.2.0.62indirekt
PyPIpandocfilters1.5.1indirekt
PyPIpapermill2.4.0indirekt
PyPIparso0.8.4indirekt
PyPIpathspec0.11.2indirekt
PyPIpexpect4.9.0indirekt
PyPIpickleshare0.7.5indirekt
PyPIpkginfo1.10.0indirekt
PyPIpkgutil-resolve-name1.3.10indirekt
PyPIpluggy1.2.0indirekt
PyPIpre-commit2.20.0indirekt
PyPIprompt-toolkit3.0.43indirekt
PyPIproto-plus1.23.0indirekt
PyPIpsutil5.9.8indirekt
PyPIptyprocess0.7.0indirekt
PyPIpy4j0.10.9.7indirekt
PyPIpyasn10.5.1indirekt
PyPIpyasn1-modules0.3.0indirekt
PyPIpycodestyle2.9.1indirekt
PyPIpycparser2.21indirekt
PyPIpydantic1.8.2indirekt
PyPIpyflakes2.5.0indirekt
PyPIpygments2.17.2indirekt
PyPIpymeta30.5.1indirekt
PyPIpyright1.1.385indirekt
PyPIpyrsistent0.19.3indirekt
PyPIpytest7.4.4indirekt
PyPIpytest-cov4.1.0indirekt
PyPIpytest-mock3.11.1indirekt
PyPIpytest-spark0.6.0indirekt
PyPIpytest-xdist3.6.1indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv0.19.0indirekt
PyPIpytz2024.1indirekt
PyPIpywin32306indirekt
PyPIpywin32-ctypes0.2.2indirekt
PyPIpyyaml6.0.1indirekt
PyPIpyzmq26.0.3indirekt
PyPIqpd0.4.4indirekt
PyPIreadme-renderer37.3indirekt
PyPIrequests-toolbelt1.0.0indirekt
PyPIresponses0.23.3indirekt
PyPIrfc39862.0.0indirekt
PyPIrich13.7.1indirekt
PyPIrsa4.9indirekt
PyPIruff0.4.4indirekt
PyPIs3transfer0.8.2indirekt
PyPIsecretstorage3.3.3indirekt
PyPIsetuptools68.0.0indirekt
PyPIsix1.16.0indirekt
PyPIsmmap5.0.1indirekt
PyPIsnowballstemmer2.2.0indirekt
PyPIsoupsieve2.4.1indirekt
PyPIsphinx-basic-ng1.0.0b2indirekt
PyPIsphinxcontrib-applehelp1.0.2indirekt
PyPIsphinxcontrib-devhelp1.0.2indirekt
PyPIsphinxcontrib-htmlhelp2.0.0indirekt
PyPIsphinxcontrib-jsmath1.0.1indirekt
PyPIsphinxcontrib-qthelp1.0.3indirekt
PyPIsphinxcontrib-serializinghtml1.1.5indirekt
PyPIsqlglot24.0.0indirekt
PyPIsqlparse0.5.0indirekt
PyPItabulate0.9.0indirekt
PyPItenacity8.2.3indirekt
PyPItextwrap30.9.2indirekt
PyPIthreadpoolctl3.1.0indirekt
PyPIthreadpoolctl3.5.0indirekt
PyPItinycss21.2.1indirekt
PyPItoml0.10.2indirekt
PyPItomli2.0.1indirekt
PyPItornado6.2indirekt
PyPItqdm4.66.4indirekt
PyPItraitlets5.9.0indirekt
PyPItriad0.9.1indirekt
PyPItwine4.0.2indirekt
PyPItyped-ast1.5.5indirekt
PyPItypes-protobuf4.24.0.4indirekt
PyPItypes-python-dateutil2.8.19.14indirekt
PyPItypes-pyyaml6.0.12.12indirekt
PyPItypes-requests2.30.0.0indirekt
PyPItypes-urllib31.26.25.14indirekt
PyPIunidecode1.3.8indirekt
PyPIurllib31.26.18indirekt
PyPIutils1.0.1indirekt
PyPIuvicorn—indirekt
PyPIvirtualenv20.4.7indirekt
PyPIwcwidth0.2.13indirekt
PyPIwebencodings0.5.1indirekt
PyPIwerkzeug2.2.3indirekt
PyPIwhylogs—indirekt
PyPIwrapt1.16.0indirekt
PyPIxmltodict0.13.0indirekt
PyPIzipp3.15.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:whylogs@1.6.4 zieht 13 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 whylabs/whylogs teilen. Nebeneinander lesen →

98feast-dev/feastThe Open Source Feature Store for AI/MLAußergewöhnlich100apache/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.Außergewöhnlich98voxel51/fiftyoneRefine high-quality datasets and visual AI modelsAußergewöhnlich98dagster-io/dagsterAn orchestration platform for the development, production, and observation of data assets.Außergewöhnlich100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.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 v0.25.0 — vollständige Methodik · Metriken-Wiki.

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