tianyang/repobench_raw_v1.1

该数据集包含Python和Java两种编程语言的代码库信息。每个代码库的信息包括仓库名称、编程语言、创建时间、许可证、描述、星标数、分支数、URL以及代码库中的代码信息。代码信息包括代码内容、路径、仓库名称和大小。数据集分为Python和Java两个部分，分别包含4612和1750个样本，总大小为1734585643字节。

原始信息汇总

数据集概述

许可证

• 本数据集遵循 cc-by-4.0 许可证。

配置

• 默认配置 包含以下数据文件：
  • split: python，路径为 data/python-*
  • split: java，路径为 data/java-*

数据集信息

特征

• repo_name: 仓库名称，数据类型为 string
• language: 编程语言，数据类型为 string
• created_at: 创建时间，数据类型为 timestamp[ns]
• license: 许可证，数据类型为 string
• description: 描述，数据类型为 string
• stars: 星标数量，数据类型为 int64
• forks: 分叉数量，数据类型为 int64
• url: 仓库URL，数据类型为 string
• repo_code: 仓库代码，包含以下子特征：
  • code: 代码内容，数据类型为 string
  • path: 文件路径，数据类型为 string
  • repo_name: 仓库名称，数据类型为 string
  • size: 文件大小，数据类型为 int64

数据分割

• python:
  • 字节数: 1262209882
  • 样本数: 4612
• java:
  • 字节数: 472375761
  • 样本数: 1750

数据集大小

• 下载大小: 524006644 字节
• 数据集大小: 1734585643 字节