Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-05 15:59 UTC

zahern / MetaCount

HTML · Jupyter Notebook · PythonGPL-3.0★ 0 Sterne⑂ 0 Forksseit Sept. 2024Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird

zahern/MetaCount erreicht einen Gesundheitsindex von 42 von 100 und liegt damit im Bereich Schwach. Am stärksten schneidet es bei Engineering Quality (66/100) ab, am schwächsten bei Community & Adoption (32/100). Zuletzt vor 3 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

42
gesamt / 100
Schwach

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.

42
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 45 wird auf der veröffentlichten Indexskala auf 42 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

ZekePersönliches Konto
3 Follower14 öffentliche Reposseit Mai 2019

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPImetacountregressor1.0.1482.995365vor 3 Tagencount-regressionmixed-modelsnegative-binomialpoissonrandom-effectsmetaheuristictraffic-safetysurvival-analysisaft-modelsactivity-generationcompeting-hazard

Metriken nach Kategorie

Vitalität

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

49Schwach · 21 % des Gesamtindex

Entwicklungsaktivität

81Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 3 Tagen
17.3/36Commit-Rhythmus — 25/52 Wochen mit Commits
18/18Commit-Volumen — 377 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year377
human_commit_share0,66
days_since_last_push3
active_weeks_last_year25

Release-Disziplin

1Kritisch
Wie die Bewertung erfolgt
0/27Liefert Releases aus — keine Releases veröffentlicht
0/36Release-Aktualität — keine Releases
0/27Release-Rhythmus — keine Releases
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count0
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?

32Gefährdet · 17 % des Gesamtindex

Popularität & Verbreitung

1Kritisch
Wie die Bewertung erfolgt
0/60Stars — 0 Stars
0/25Forks — 0 Forks
0/15Watcher — 1 Watcher
Verwendete Eingangsdaten
forks0
stars0
watchers1
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (GPL-3.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

58Mittel
Wie die Bewertung erfolgt
46.4/80Downloads pro Monat — 2.995 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesmetacountregressor
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2.995
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?

34Gefährdet · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

10Kritisch
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 100 % der Commits
1.4/13.5Breite der Beitragenden — 1 Beitragende
0/10OpenSSF Scorecard: Contributors — project has 0 contributing companies or organizations -- score normalized to 0
Verwendete Eingangsdaten
bus_factor1
contributors_sampled1
top_contributor_share1

Reaktionsfähigkeit bei Issues & PRs

1Kritisch
Wie die Bewertung erfolgt
0/42Issue-Lösungsquote — keine Issues oder keine Daten
0/30PR-Annahme — keine entschiedenen Pull Requests oder keine Daten
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs0
open_issues0
closed_issues0
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio—
closed_unmerged_prs0
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Issue-Lösungsquote, PR-Annahme, Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

44Schwach
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
4.3/25Reichweite des Inhabers — 3 Follower von zahern
20.6/25Kontohistorie — 14 öffentliche Repos, Kontoalter ca. 7 Jahre
Verwendete Eingangsdaten
followers3
owner_typeUser
is_verified—
owner_loginzahern
public_repos14
account_age_days2.659
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 3 Tagen
20/20Versionshistorie — 365 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmetacountregressor
ecosystemspypi
any_deprecatednein
min_days_since_publish3

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

66Gut · 19 % des Gesamtindex

Engineering-Praktiken

80Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 1 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
0/9.6Pre-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_confignein
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

Dokumentation

45Schwach
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://github.com/zahern/MetaCount/blob/master/README.md
0/10Repository-Beschreibung
0/10Topics
0/10Wiki
Verwendete Eingangsdaten
topics—
has_wikinein
homepage—
docs_sitehttps://github.com/zahern/MetaCount/blob/master/README.md
has_readmeja
has_docs_dirnein
has_descriptionnein

Sicherheit

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

42Schwach · 16 % des Gesamtindex

Sicherheitslage

41Schwach
Wie die Bewertung erfolgt
0/7.5Binary-Artifacts — binaries present in source code
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — keine Daten
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
0/2.5Contributors — project has 0 contributing companies or organizations -- score normalized to 0
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
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — keine Daten
6.8/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
6.8/7.5Vulnerabilities — 1 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate4,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): CI-Tests, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

45Schwach
Wie die Bewertung erfolgt
9.3/35Direkte Abhängigkeiten ohne bekannte Advisories — 2 betroffen: geopandas 0.14.4 (high 8.6), pyarrow 17.0.0 (high 7.0)
10/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: protobuf 6.31.1 (high 7.5)
25.4/40Keine offenen Advisories — 3 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 225 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories6
affected_packages3
assessed_packages101
unassessed_packages0
affected_by_severityhigh 3
direct_affected_packages2
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:metacountregressor@1.0.148 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 101 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.

45Schwach · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

2Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
2.4/40Lesbare Commit-Historie — 3 von 66 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,045
agent_instruction_files—
agent_instruction_max_bytes—

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

44Schwach
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — metacountregressor/application_gui/dist/meta_app/_internal/IPython/py.typed, metacountregressor/application_gui/dist/meta_app/_internal/certifi/py.typed, metacountregressor/application_gui/dist/meta_app/_internal/parso/py.typed
0/10Reproduzierbare Umgebung
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
lockfiles—
has_dockerfilenein
typed_languagenein
bootstrap_files—
has_devcontainernein
has_linter_configja
typecheck_configsmetacountregressor/application_gui/dist/meta_app/_internal/IPython/py.typed, metacountregressor/application_gui/dist/meta_app/_internal/certifi/py.typed, metacountregressor/application_gui/dist/meta_app/_internal/parso/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

76Gut
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — HTML mit Typprüfungs-Konfiguration (metacountregressor/application_gui/dist/meta_app/_internal/IPython/py.typed, metacountregressor/application_gui/dist/meta_app/_internal/certifi/py.typed, metacountregressor/application_gui/dist/meta_app/_internal/parso/py.typed)
48.6/55Handhabbare Dateigrößen — 52/445 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageHTML
largest_source_bytes940.009
source_files_sampled445
oversized_source_files52

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

0GitHub-Sterne
1Mitwirkende
377Commits, letzte 12 Monate
3Tage seit letztem Push
0Releases
1Bus-Faktor
0offene Issues
PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 4.1 / 10
4.1Gesamtwert

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 · 2026-09-05 15:58 UTC

0Binary-Artifactsbinaries present in source code
0Branch-Protectionbranch protection not enabled on development/release branches
k. A.CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
0Contributorsproject has 0 contributing companies or organizations -- score normalized to 0
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
k. A.Signed-Releasesno releases found
9Token-Permissionsdetected GitHub workflow tokens with excessive permissions
9Vulnerabilities1 existing vulnerabilities detected
Direkte Abhängigkeiten 46
RegistryPaketVersionsvorgabeManifest
PyPIjax>=0.4.1metacountregressor/pyproject.toml
PyPIjaxlib>=0.4.1metacountregressor/pyproject.toml
PyPIjaxopt>=0.6metacountregressor/pyproject.toml
PyPIjoblib>=1.2metacountregressor/pyproject.toml
PyPIlatextable>=0.2metacountregressor/pyproject.toml
PyPImatplotlib>=3.5,<3.10metacountregressor/pyproject.toml
PyPInumpy>=1.23,<2metacountregressor/pyproject.toml
PyPIpandas>=1.5,<3metacountregressor/pyproject.toml
PyPIpsutil>=5.9metacountregressor/pyproject.toml
PyPIscikit-learn>=1.1,<1.7metacountregressor/pyproject.toml
PyPIscipy>=1.9,<1.15metacountregressor/pyproject.toml
PyPIstatsmodels>=0.13,<0.15metacountregressor/pyproject.toml
PyPItexttable>=1.6metacountregressor/pyproject.toml
PyPInumpy>=1.26.4,<2.0.0pyproject.toml
PyPIscipy>=1.11,<1.14pyproject.toml
PyPIpandas>=2.1,<3.0pyproject.toml
PyPIpsutil>=5.9,<7.0pyproject.toml
PyPIscikit-learn>=1.3,<2.0pyproject.toml
PyPIstatsmodels>=0.14,<1.0pyproject.toml
PyPItexttable>=1.7,<2.0pyproject.toml
PyPItabulate>=0.9,<2.0pyproject.toml
PyPIlatextable>=1.0,<2.0pyproject.toml
PyPIrequests>=2.31,<3.0pyproject.toml
PyPIpsutil>=5.9,<7.0pyproject.toml
PyPInumexpr>=2.8,<3.0pyproject.toml
PyPInetworkx>=3.0,<4.0pyproject.toml
PyPImatplotlib>=3.7,<4.0pyproject.toml
PyPIseaborn>=0.13,<1.0pyproject.toml
PyPIjax==0.4.30pyproject.toml
PyPIjaxlib==0.4.30pyproject.toml
PyPIjaxopt>=0.8.0pyproject.toml
PyPIortools>=9.8,<10.0pyproject.toml
PyPIpyyaml>=6.0,<7.0pyproject.toml
PyPItables>=3.7,<4.0pyproject.toml
PyPIpyarrow>=14.0,<18.0pyproject.toml
PyPIxarray>=2023.6,<2025.0pyproject.toml
PyPIgeopandas>=0.14,<1.0pyproject.toml
PyPIshapely>=2.0,<3.0pyproject.toml
PyPIrasterio>=1.3,<2.0pyproject.toml
PyPIrasterio>=1.3,<2.0pyproject.toml
PyPIpyproj>=3.5,<4.0pyproject.toml
PyPIopenmatrix>=0.3.5,<1.0pyproject.toml
PyPIlarch>=6.0,<7.0pyproject.toml
PyPIrich>=13.0,<14.0pyproject.toml
PyPItyper>=0.9,<1.0pyproject.toml
PyPItqdm>=4.65,<5.0pyproject.toml
Alle Abhängigkeiten 55

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 36 direkte und 19 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIgeopandas—direkt
PyPIjax—direkt
PyPIjax0.4.30direkt
PyPIjaxlib—direkt
PyPIjaxlib0.4.30direkt
PyPIjaxopt—direkt
PyPIjoblib—direkt
PyPIlarch—direkt
PyPIlatextable—direkt
PyPIlatextable1.0.1direkt
PyPImatplotlib—direkt
PyPInetworkx—direkt
PyPInumexpr—direkt
PyPInumpy—direkt
PyPIopenmatrix—direkt
PyPIortools—direkt
PyPIpandas—direkt
PyPIpsutil—direkt
PyPIpyarrow—direkt
PyPIpyproj—direkt
PyPIpyyaml—direkt
PyPIrasterio—direkt
PyPIrequests—direkt
PyPIrich—direkt
PyPIscikit-learn—direkt
PyPIscipy—direkt
PyPIseaborn—direkt
PyPIshapely—direkt
PyPIstatsmodels—direkt
PyPItables—direkt
PyPItabulate—direkt
PyPItexttable—direkt
PyPItexttable1.7.0direkt
PyPItqdm—direkt
PyPItyper—direkt
PyPIxarray—direkt
PyPIaddicty—indirekt
PyPIarviz—indirekt
PyPIblack—indirekt
PyPIbuild—indirekt
PyPIflask—indirekt
PyPImatsim-python—indirekt
PyPImypy—indirekt
PyPImyst-parser—indirekt
PyPIoptax—indirekt
PyPIpre-commit—indirekt
PyPIpymc—indirekt
PyPIpytest—indirekt
PyPIpytest-cov—indirekt
PyPIruff—indirekt
PyPIsetuptools—indirekt
PyPIsphinx—indirekt
PyPIsphinx-rtd-theme—indirekt
PyPItikzplotlib0.10.1indirekt
PyPItwine—indirekt
Abhängigkeits-Advisories 3

Die Installation von pypi:metacountregressor@1.0.148 zieht 101 Pakete nach sich, direkt und transitiv: 3 tragen bekannte Advisories, davon 2 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
geopandas0.14.4direkthoch21.1.2
pyarrow17.0.0direkthoch223.0.1
protobuf6.31.1indirekthoch26.33.5

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 zahern/MetaCount teilen. Nebeneinander lesen →

92sebp/scikit-survivalSurvival analysis built on top of scikit-learnExzellent84bashtage/linearmodelsAdditional linear models including instrumental variable and panel data models that are missing from statsmodels.Exzellent75derrynknife/SurPyvalA Python package for survival analysis. The most flexible survival analysis package available. SurPyval can work with arbitrary combinations of observed, censored, and truncated data. SurPyval can also fit distributions with 'offsets' with ease, for example the three parameter Weibull distribution.Gut69CamDavidsonPilon/lifelinesSurvival analysis in PythonGut83JuliaStats/MixedModels.jlA Julia package for fitting (statistical) mixed-effects modelsExzellent100zephyrproject-rtos/zephyrPrimary Git Repository for the Zephyr Project. Zephyr is a new generation, scalable, optimized, secure RTOS for multiple hardware architectures.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.