Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-12 10:17 UTC

MDAnalysis / mdanalysis

MDAnalysis is a Python library to analyze molecular dynamics simulations.

PythonLicencia propia★ 1645 estrellas⑂ 858 forksdesde abr 2015Ver en GitHub ↗
TipoBibliotecacómo se determina
#molecular-dynamics#python#science#trajectory-analysis#molecular-simulation#molecular-dynamics-simulation#mdanalysis#computational-chemistry

MDAnalysis/mdanalysis tiene un índice de salud de 93 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Community & Adoption (87/100) y la más baja, AI Readiness (60/100). Se actualizó por última vez hace 9 días. 3 personas concentran la mayor parte del trabajo reciente.

93
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

93
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 79 se calibra a 93 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

MDAnalysisOrganización · dominio verificado
352 seguidores77 repositorios públicosdesde mar 2015

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIMDAnalysis2.10.0206.77047hace 329 díaspythonsciencechemistrybiophysicsmolecular-dynamicscomputational-chemistrymolecular-simulationanalysistrajectory-analysis
PyPIMDAnalysisTests2.10.0299944hace 329 días—

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

76Bueno · 21% del índice global

Actividad de desarrollo

80Excelente
Cómo se puntúa
28.8/36Recencia de push — último push hace 9 días
23.5/36Cadencia de commits — 34/52 semanas con commits
18/18Volumen de commits — 103 commits en el último año
10/10OpenSSF Scorecard: Maintained — 26 commit(s) and 17 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year103
human_commit_share1
days_since_last_push9
active_weeks_last_year34

Disciplina de publicación

70Bueno
Cómo se puntúa
27/27Publica versiones — 33 versiones publicadas
16.2/36Recencia de las versiones — última versión hace 329 días
19.8/27Cadencia de publicación — una versión cada ~115 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count33
latest_release_tagpackage-2.10.0
releases_from_tagsno
days_since_latest_release329
mean_days_between_releases115
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

87Excelente · 17% del índice global

Popularidad y adopción

86Excelente
Cómo se puntúa
52.2/60Estrellas — 1645 estrellas
24.4/25Forks — 858 forks
8.9/15Observadores — 41 observadores
Datos de entrada utilizados
forks858
stars1645
watchers41
growth_stateorganic
growth_factor_pct100

Salud de la comunidad

86Excelente
Cómo se puntúa
22.5/22.5README
16.9/22.5Licencia — archivo de licencia presente, no es una licencia reconocida
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges0
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

89Excelente
Cómo se puntúa
71/80Descargas mensuales — 209.769 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesMDAnalysis, MDAnalysisTests
dependents—
ecosystemspypi
total_downloads—
monthly_downloads209.769
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

84Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

77Bueno
Cómo se puntúa
36/54Factor bus — la mitad de los commits recae en 3 contribuyente(s)
17.9/22.5Distribución de commits — el principal contribuyente firma el 21% de los commits
13.5/13.5Amplitud de contribuyentes — 99 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 57 contributing companies or organizations
Datos de entrada utilizados
bus_factor3
contributors_sampled99
top_contributor_share0,206

Capacidad de respuesta a issues y PR

76Bueno
Cómo se puntúa
34.4/42Resolución de issues — 82% de issues cerradas
24.4/30Aceptación de PR — 2097/2578 PR decididos fusionados
2.6/13Newcomer PR acceptance — 1/5 PR de contribuyentes primerizos fusionados en 30 d
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Datos de entrada utilizados
merged_prs2097
open_issues440
closed_issues1981
prs_merged_7d0
prs_decided_7d2
prs_merged_30d3
prs_decided_30d8
issue_closed_ratio0,818
closed_unmerged_prs481
first_time_authors_30d5
first_time_prs_merged_30d1
first_time_prs_decided_30d5

Propiedad y custodia

93Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
18.3/25Alcance del propietario — 352 seguidores de MDAnalysis
25/25Trayectoria — 77 repos públicos, cuenta de ~11 años
Datos de entrada utilizados
followers352
owner_typeOrganization
is_verifiedsí
owner_loginMDAnalysis
public_repos77
account_age_days4201

Mantenimiento de paquetes

91Excelente
Cómo se puntúa
25/25Publicado y resoluble — 2 paquete(s) en pypi
26/35Recencia de publicación — última publicación hace 329 días
20/20Historial de versiones — 47 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesMDAnalysis, MDAnalysisTests
ecosystemspypi
any_deprecatedno
min_days_since_publish329

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

80Excelente · 19% del índice global

Prácticas de ingeniería

84Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 5 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — .flake8, .pylintrc, package/pyproject.toml ([tool.black]), testsuite/pyproject.toml ([tool.black])
0/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 27 out of 27 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configno

Documentación

75Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://mdanalysis.org
10/10Descripción del repositorio
10/10Topics — 8 topics
10/10Wiki
Datos de entrada utilizados
topicsmolecular-dynamics, python, science, trajectory-analysis, molecular-simulation, molecular-dynamics-simulation, mdanalysis, computational-chemistry
has_wikisí
homepagehttps://mdanalysis.org
docs_sitehttps://mdanalysis.org
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

73Bueno · 16% del índice global

Postura de seguridad

66Bueno
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
3/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 27 out of 27 merged PRs checked by a CI test -- score normalized to 10
0.5/2.5CII-Best-Practices — badge detected: InProgress
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 57 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Licencia — license file detected
7.5/7.5Maintained — 26 commit(s) and 17 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
1/5SAST — SAST tool is not run on all commits -- score normalized to 2
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — sin datos
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate6,6
Excluidos de la puntuación (sin datos o no aplicable): Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages22
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:MDAnalysis@2.10.0 —lo que arrastra la instalación del paquete publicado—: 22 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

60Moderado · 4% del índice global

Contexto y guía para agentes

40Débil
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 83 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,83
agent_instruction_files—
agent_instruction_max_bytes—

Bucle de verificación (compilación / pruebas / verificación de tipos)

67Bueno
Cómo se puntúa
18/18Arranque con un solo comando — package/doc/sphinx/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — .flake8, .pylintrc, package/pyproject.toml ([tool.black]), testsuite/pyproject.toml ([tool.black])
11/11Verificación estática de tipos — mypy.ini
0/10Entorno reproducible
0/10Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
5/8Mantenimiento automatizado — automatización de dependencias configurada, no observada en los commits muestreados
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfileno
typed_languageno
bootstrap_filespackage/doc/sphinx/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configsmypy.ini
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

80Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (mypy.ini)
52.7/55Tamaños de archivo manejables — 19/454 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes190.795
source_files_sampled454
oversized_source_files19

Datos clave

1645estrellas de GitHub
99contribuidores
103commits en los últimos 12 meses
9días desde el último push
33versiones publicadas
3factor bus
440issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Star history carried forward from 2026-07-20: GitHub restricted the stargazers API to repository admins, so it can no longer be collected. The repository has 1645 stars today.
  • pypi download statistics for 'MDAnalysis' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for MDAnalysis carried forward from the previous scan (stats endpoint unavailable this scan)

Más detalle

Historial de estrellas y forks 1610 ★ / 858 ⇿
1610Estrellas
858Forks
33Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

El historial de estrellas se muestra tal como se recogió el 2026-07-20. GitHub restringió la API de stargazers a los administradores del repositorio en julio de 2026, por lo que esta serie ya no puede ampliarse; el total de estrellas indicado arriba sigue actualizándose.

04008001200160020001610845172015-042020-122026-08
Mayor 0Menor 0Parche 0

Cada punto abarca 11 días.

OpenSSF Scorecard 6.6 / 10
6.6agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-12 10:16 UTC

10Binary-Artifactsno binaries found in the repo
4Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests27 out of 27 merged PRs checked by a CI test -- score normalized to 10
2CII-Best-Practicesbadge detected: InProgress
10Code-Reviewall changesets reviewed
10Contributorsproject has 57 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained26 commit(s) and 17 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
2SASTSAST tool is not run on all commits -- score normalized to 2
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Dependencias directas 11
RegistroPaqueteRestricción de versiónManifiesto
PyPInumpy>=1.26.0package/pyproject.toml
PyPIGridDataFormats>=0.4.0package/pyproject.toml
PyPImmtf-python>=1.0.0package/pyproject.toml
PyPIjoblib>=0.12package/pyproject.toml
PyPIscipy>=1.5.0package/pyproject.toml
PyPImatplotlib>=1.5.1package/pyproject.toml
PyPItqdm>=4.43.0package/pyproject.toml
PyPIthreadpoolctl—package/pyproject.toml
PyPIpackaging—package/pyproject.toml
PyPIfilelock—package/pyproject.toml
PyPImda-xdrlib—package/pyproject.toml
Todas las dependencias 37

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 11 paquetes directos y 26 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIfilelock—directa
PyPIgriddataformats—directa
PyPIjoblib—directa
PyPImatplotlib—directa
PyPImda-xdrlib—directa
PyPImmtf-python—directa
PyPInumpy—directa
PyPIpackaging—directa
PyPIscipy—directa
PyPIthreadpoolctl—directa
PyPItqdm—directa
PyPIbiopython—indirecta
PyPIchemfiles—indirecta
PyPIcodecov—indirecta
PyPIcython—indirecta
PyPIgsd—indirecta
PyPIh5py—indirecta
PyPIhypothesis—indirecta
PyPIimdclient—indirecta
PyPImdanalysis2.11.0-dev0indirecta
PyPImdanalysis-sphinx-theme—indirecta
PyPImypy0.960indirecta
PyPInetcdf4—indirecta
PyPInetworkx—indirecta
PyPIparmed—indirecta
PyPIpooch—indirecta
PyPIpyedr—indirecta
PyPIpytest—indirecta
PyPIpytng—indirecta
PyPIrdkit—indirecta
PyPIscikit-learn—indirecta
PyPIseaborn—indirecta
PyPIsetuptools—indirecta
PyPIsphinx—indirecta
PyPIsphinx-sitemap—indirecta
PyPItidynamics—indirecta
PyPItyping-extensions—indirecta
Avisos de dependencias 0

Instalar pypi:MDAnalysis@2.10.0 arrastra 22 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con MDAnalysis/mdanalysis. Leer en paralelo →

98materialsproject/pymatgenPython Materials Genomics (pymatgen) is a robust materials analysis code that defines classes for structures and molecules with support for many electronic structure codes. It powers the Materials Project.Excepcional100astropy/astropyAstronomy and astrophysics core libraryExcepcional97modelscope/modelscopeModelScope: bring the notion of Model-as-a-Service to life.Excepcional100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Excepcional100psf/blackThe uncompromising Python code formatterExcepcional100matplotlib/matplotlibmatplotlib: plotting with PythonExcepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.