Py150 Dataset

Py150数据集是由苏黎世联邦理工学院SRI实验室发布的大规模Python代码数据集，包含从GitHub收集的150,000个Python文件及其解析后的抽象语法树。该数据集经过去重、筛选和标准化处理，专门用于机器学习编程项目，支持代码理解、生成、缺陷检测等代码智能研究任务，已成为Python代码建模领域的重要基准资源。