Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-19 17:24 UTC

ml4t / data

Market data acquisition, storage, and update workflows for machine learning for trading.

PythonMIT★ 49 зірок⑂ 24 форкиз лист. 2025 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#algorithmic-trading#data-engineering#finance#financial-data#machine-learning-for-trading#market-data#ml4t#parquet#polars#python#quantitative-finance#trading

ml4t/data має індекс здоров’я 91 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Engineering Quality (92/100), найнижчий — Community & Adoption (59/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконує один учасник.

91
загалом / 100
Відмінний

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

91
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 77 калібровано до 91 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

ML for TradingОрганізація
131 підписник12 публічних репозиторіївз бер. 2017 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIml4t-data0.1.77 655370 днів томуalgorithmic-tradingbacktestingbinancecryptocomparedatabentofinancemarket-dataoandaparquetpolarsquantitative-financetradingyahoo-finance

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

85Відмінний · 21% загального індексу

Активність розробки

81Відмінний
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
17.3/36Ритм комітів — 25/52 тижнів із комітами
18/18Обсяг комітів — 137 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year137
human_commit_share0,96
days_since_last_push0
active_weeks_last_year25

Дисципліна релізів

90Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 28 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
27/27Ритм релізів — реліз кожні ~5,6 дн.
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Використані вхідні дані
releases_count28
latest_release_tagv0.1.7
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases5,6

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

59Помірний · 17% загального індексу

Популярність і впровадження

39Слабкий
Як обчислюється оцінка
27.3/60Зірки — 49 зірок
11.3/25Форки — 24 форків
0/15Спостерігачі — 0 спостерігачів
Використані вхідні дані
forks24
stars49
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

77Добрий
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (MIT)
18/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges3
has_contributingтак
has_issue_templateні
has_code_of_conductні
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

65Добрий
Як обчислюється оцінка
51.8/80Щомісячні завантаження — 7 655 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesml4t-data
dependents—
ecosystemspypi
total_downloads—
monthly_downloads7 655
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

65Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

31У зоні ризику
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
9/22.5Розподіл комітів — головний контриб’ютор — автор 60% комітів
6.8/13.5Широта контриб’юторів — 5 контриб’юторів
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Використані вхідні дані
bus_factor1
contributors_sampled5
top_contributor_share0,6

Реактивність на issue та PR

77Добрий
Як обчислюється оцінка
38.2/42Вирішення issue — закрито 91% issue
24.1/30Прийняття PR — злито 37/46 вирішених PR
13/13Newcomer PR acceptance — злито 2/2 PR від новачків за 30 дн.
1.5/15OpenSSF Scorecard: Code-Review — Found 2/19 approved changesets -- score normalized to 1
Використані вхідні дані
merged_prs37
open_issues1
closed_issues10
prs_merged_7d3
prs_decided_7d3
prs_merged_30d9
prs_decided_30d9
issue_closed_ratio0,909
closed_unmerged_prs9
first_time_authors_30d2
first_time_prs_merged_30d2
first_time_prs_decided_30d2

Власність та опіка

65Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
15.2/25Охоплення власника — 131 підписників у ml4t
20.1/25Послужний список — 12 публічних репозиторіїв, вік облікового запису ~9 р.
Використані вхідні дані
followers131
owner_typeOrganization
is_verifiedні
owner_loginml4t
public_repos12
account_age_days3 487

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 37 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesml4t-data
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

92Відмінний · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 7 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 19 out of 19 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://www.ml4trading.io/docs/data/
10/10Опис репозиторію
10/10Теми — 12 тем
0/10Wiki
Використані вхідні дані
topicsalgorithmic-trading, data-engineering, finance, financial-data, machine-learning-for-trading, market-data, ml4t, parquet, polars, python, quantitative-finance, trading
has_wikiні
homepagehttps://www.ml4trading.io/docs/data/
docs_sitehttps://www.ml4trading.io/docs/data/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

80Відмінний · 16% загального індексу

Стан безпеки

75Добрий
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
2.5/2.5CI-Tests — 19 out of 19 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0.8/7.5Code-Review — Found 2/19 approved changesets -- score normalized to 1
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — 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
5/5Pinned-Dependencies — all dependencies are pinned
3.5/5SAST — SAST tool detected but not run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,5
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
0/25Непрямі залежності без відомих сповіщень — транзитивний набір не відокремлюється від залежностей розробки й тестування в цьому обсязі
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages165
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 165 резолвлених залежностей із OSV. Цей репозиторій не публікує пакета, який резолвить індекс, тож натомість оцінено граф залежностей репозиторію. Цей граф змішує закріплені версії для розробки й тестування зі справді постачаними залежностями, тож оцінюються лише задекларовані runtime-залежності; транзитивні знахідки подаються як контекст і в оцінку не входять. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

86Відмінний · 4% загального індексу

Контекст і настанови для агентів

85Відмінний
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md, src/ml4t/data/AGENTS.md, src/ml4t/data/futures/AGENTS.md, src/ml4t/data/providers/AGENTS.md, src/ml4t/data/storage/AGENTS.md
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 87 з 96 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,906
agent_instruction_filesAGENTS.md, src/ml4t/data/AGENTS.md, src/ml4t/data/futures/AGENTS.md, src/ml4t/data/providers/AGENTS.md, src/ml4t/data/storage/AGENTS.md
agent_instruction_max_bytes3 323

Цикл верифікації (збірка / тести / перевірка типів)

82Відмінний
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff])
11/11Статична перевірка типів — src/ml4t/data/py.typed
10/10Відтворюване середовище — lockfile
10/10Підтверджена практика роботи з агентами — 5 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 4 з останніх 100 комітів — автоматичні оновлення залежностей
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Використані вхідні дані
has_nixні
has_testsтак
lockfilesuv.lock
has_dockerfileні
typed_languageні
bootstrap_files—
has_devcontainerні
has_linter_configтак
typecheck_configssrc/ml4t/data/py.typed
agent_commit_share0,05
toolchain_manifests—
dependency_bot_commit_share0,04

Читабельність коду для моделей

82Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (src/ml4t/data/py.typed)
54.7/55Керовані розміри файлів — 2/369 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes67 824
source_files_sampled369
oversized_source_files2

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples
Використані вхідні дані
example_dirsexamples
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

49зірок GitHub
5контриб'юторів
137комітів за останні 12 місяців
0днів від останнього пушу
28релізів
1бас-фактор
1відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:ml4t-data@0.1.7; advisories assessed against the repository dependency graph instead

Докладніше

Історія зірок і форків 0 ★ / 24 ⇿
0Зірки
24Форки
27Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

048121620242422026-022026-062026-09
Мажорні 0Мінорні 1Патчі 6
OpenSSF Scorecard 7.5 / 10
7.5сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-09-19 17:24 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-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
10CI-Tests19 out of 19 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
1Code-ReviewFound 2/19 approved changesets -- score normalized to 1
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate 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
10Pinned-Dependenciesall dependencies are pinned
7SASTSAST tool detected but not run on all commits
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 18
РеєстрПакетОбмеження версіїМаніфест
PyPIpolars>=0.20.0pyproject.toml
PyPIpandas>=2.0.0pyproject.toml
PyPInumpy>=1.24.0pyproject.toml
PyPIhttpx>=0.25.0pyproject.toml
PyPItenacity>=8.0.0pyproject.toml
PyPIpybreaker>=1.0.0pyproject.toml
PyPIpyyaml>=6.0pyproject.toml
PyPIclick>=8.0.0pyproject.toml
PyPIpython-dotenv>=1.0.0pyproject.toml
PyPIpydantic-settings>=2.0.0pyproject.toml
PyPIpydantic>=2.12,<3pyproject.toml
PyPIstructlog>=23.0.0pyproject.toml
PyPIplatformdirs>=4.0.0pyproject.toml
PyPIfilelock>=3.19.1pyproject.toml
PyPIrich>=13.0.0pyproject.toml
PyPIaiofiles>=23.0.0pyproject.toml
PyPIpandas-market-calendars>=4.3.0pyproject.toml
PyPIopenpyxl>=3.1.5pyproject.toml
Усі залежності 165

Повний розв'язаний набір залежностей із графа залежностей GitHub: 19 прямих і 146 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIaiofiles25.1.0пряма
PyPIclick8.4.2пряма
PyPIfilelock3.32.2пряма
PyPIhttpx0.28.1пряма
PyPInumpy2.5.2пряма
PyPIopenpyxl3.1.5пряма
PyPIpandas3.0.5пряма
PyPIpandas-market-calendars5.4.0пряма
PyPIplatformdirs4.11.0пряма
PyPIpolars1.43.2пряма
PyPIpybreaker1.4.1пряма
PyPIpydantic2.13.4пряма
PyPIpydantic2.14.0b1пряма
PyPIpydantic-settings2.15.0пряма
PyPIpython-dotenv1.2.2пряма
PyPIpyyaml6.0.3пряма
PyPIrich15.0.0пряма
PyPIstructlog26.1.0пряма
PyPItenacity9.1.4пряма
PyPIaiohappyeyeballs2.7.1непряма
PyPIaiohttp3.14.3непряма
PyPIaiosignal1.4.0непряма
PyPIannotated-types0.8.0непряма
PyPIanyio4.14.2непряма
PyPIasttokens3.0.2непряма
PyPIattrs26.1.0непряма
PyPIbabel2.18.0непряма
PyPIbackrefs8.0непряма
PyPIbeautifulsoup44.15.0непряма
PyPIboolean-py5.0непряма
PyPIcachecontrol0.14.4непряма
PyPIcertifi2026.7.22непряма
PyPIcffi2.1.1непряма
PyPIcfgv3.5.0непряма
PyPIcharset-normalizer3.4.9непряма
PyPIcolorama0.4.6непряма
PyPIcot-reports0.1.3непряма
PyPIcoverage7.15.4непряма
PyPIcryptography50.0.0непряма
PyPIcurl-cffi0.16.0непряма
PyPIcyclonedx-python-lib11.11.0непряма
PyPIdatabento0.83.0непряма
PyPIdatabento-dbn0.65.0непряма
PyPIdecorator5.3.1непряма
PyPIdefusedxml0.7.1непряма
PyPIdistlib0.4.3непряма
PyPIdocutils0.23непряма
PyPIet-xmlfile2.0.0непряма
PyPIexchange-calendars4.13.2непряма
PyPIexecnet2.1.2непряма
PyPIexecuting2.2.1непряма
PyPIfrozenlist1.8.0непряма
PyPIghp-import2.1.0непряма
PyPIgitdb4.0.12непряма
PyPIgitpython3.1.62непряма
PyPIgriffelib2.1.0непряма
PyPIh110.16.0непряма
PyPIhttpcore1.0.9непряма
PyPIhypothesis6.165.2непряма
PyPIid1.6.1непряма
PyPIidentify2.6.19непряма
PyPIidna3.18непряма
PyPIiniconfig2.3.0непряма
PyPIipdb0.13.13непряма
PyPIipython9.16.1непряма
PyPIipython-pygments-lexers1.1.1непряма
PyPIjaraco-classes3.4.0непряма
PyPIjaraco-context6.1.2непряма
PyPIjaraco-functools4.6.0непряма
PyPIjedi0.20.0непряма
PyPIjeepney0.9.0непряма
PyPIjinja23.1.6непряма
PyPIkeyring25.7.0непряма
PyPIkorean-lunar-calendar0.4.0непряма
PyPIlicense-expression30.4.4непряма
PyPImarkdown3.10.3непряма
PyPImarkdown-it-py4.2.0непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib-inline0.2.2непряма
PyPImdurl0.1.2непряма
PyPImergedeep1.3.4непряма
PyPImkdocs1.6.1непряма
PyPImkdocs-autorefs1.4.4непряма
PyPImkdocs-get-deps0.2.2непряма
PyPImkdocs-git-revision-date-localized-plugin1.5.3непряма
PyPImkdocs-material9.7.7непряма
PyPImkdocs-material-extensions1.3.1непряма
PyPImkdocstrings1.0.6непряма
PyPImkdocstrings-python2.0.5непряма
PyPImore-itertools11.1.0непряма
PyPImsgpack1.2.1непряма
PyPImultidict6.7.1непряма
PyPImultitasking0.0.13непряма
PyPInh30.3.6непряма
PyPInodeenv1.10.0непряма
PyPIoandapyv200.7.2непряма
PyPIpackageurl-python0.17.6непряма
PyPIpackaging26.3непряма
PyPIpaginate0.5.7непряма
PyPIparso0.8.7непряма
PyPIpathspec1.1.1непряма
PyPIpeewee4.3.0непряма
PyPIpexpect4.9.0непряма
PyPIpip26.2.1непряма
PyPIpip-api0.0.34непряма
PyPIpip-audit2.10.1непряма
PyPIpip-requirements-parser32.0.1непряма
PyPIpip-system-certs5.3непряма
PyPIpluggy1.6.0непряма
PyPIpolars-runtime-321.43.2непряма
PyPIpre-commit4.6.1непряма
PyPIprompt-toolkit3.0.53непряма
PyPIpropcache0.5.2непряма
PyPIprotobuf7.35.1непряма
PyPIpsutil7.2.2непряма
PyPIptyprocess0.7.0непряма
PyPIpure-eval0.2.3непряма
PyPIpy-serializable2.1.0непряма
PyPIpyarrow25.0.0непряма
PyPIpycparser3.0непряма
PyPIpydantic-core2.46.4непряма
PyPIpydantic-core2.48.0непряма
PyPIpygments2.20.0непряма
PyPIpyluach2.3.0непряма
PyPIpymdown-extensions11.0.1непряма
PyPIpyparsing3.3.2непряма
PyPIpytest9.1.1непряма
PyPIpytest-asyncio1.4.0непряма
PyPIpytest-cov7.1.0непряма
PyPIpytest-timeout2.4.0непряма
PyPIpytest-xdist3.8.0непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpython-discovery1.5.1непряма
PyPIpytz2026.3.post1непряма
PyPIpywin32-ctypes0.2.3непряма
PyPIpyyaml-env-tag1.1непряма
PyPIreadme-renderer45.0непряма
PyPIrequests2.34.2непряма
PyPIrequests-toolbelt1.0.0непряма
PyPIrfc39862.0.0непряма
PyPIruff0.16.2непряма
PyPIsecretstorage3.5.0непряма
PyPIsix1.17.0непряма
PyPIsmmap5.0.3непряма
PyPIsortedcontainers2.4.0непряма
PyPIsoupsieve2.9.2непряма
PyPIstack-data0.6.3непряма
PyPItomli2.4.1непряма
PyPItomli-w1.2.0непряма
PyPItoolz1.1.0непряма
PyPItraitlets5.16.1непряма
PyPItwine7.0.0непряма
PyPIty0.0.69непряма
PyPItyping-extensions4.16.0непряма
PyPItyping-inspection0.4.2непряма
PyPItzdata2026.3непряма
PyPIurllib32.7.0непряма
PyPIvirtualenv21.7.1непряма
PyPIwatchdog6.0.0непряма
PyPIwcwidth0.8.2непряма
PyPIwebsockets17.0.1непряма
PyPIxlsxwriter3.2.9непряма
PyPIyarl1.24.5непряма
PyPIyfinance1.5.2непряма
PyPIzstandard0.25.0непряма
Сповіщення про залежності 0

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 165 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 0 мають відомі сповіщення, з них 0 прямі.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з ml4t/data. Читати поруч →

99nautechsystems/nautilus_traderProduction-grade Rust-native trading engine with deterministic event-driven architectureВинятковий98Eventual-Inc/DaftHigh-performance data engine for AI and multimodal workloads. Process images, audio, video, and structured data at any scaleВинятковий100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Винятковий99apache/supersetApache Superset is a Data Visualization and Data Exploration PlatformВинятковий99kedro-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.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.