michaelfeil/mined_docstrings_pypi_embedded

该数据集包含了多个字段，包括索引、包名、名称、文档字符串、代码、签名和嵌入函数代码。数据集被分割为训练集，包含280053个示例，总大小为2165216358字节。数据集使用了jina-code-v2进行嵌入。

原始信息汇总

数据集概述

数据集特征

• index: 数据类型为 int64
• package: 数据类型为 string
• name: 数据类型为 string
• docstring: 数据类型为 string
• code: 数据类型为 string
• signature: 数据类型为 string
• embed_func_code: 数据类型为 float64，序列类型

数据集分割

• train:
  • 字节数: 2165216358
  • 示例数: 280053

数据集大小

• 下载大小: 1455378262
• 数据集大小: 2165216358

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*