pe-nlp/ov-kit-code-files-v2-filtered

--- dataset_info: features: - name: file_path dtype: string - name: content dtype: string - name: size dtype: int64 - name: lang dtype: string - name: avg_line_length dtype: float64 - name: max_line_length dtype: int64 - name: alphanum_fraction dtype: float64 splits: - name: gh num_bytes: 275860023.80293804 num_examples: 9731 - name: pkg num_bytes: 117755249.73484848 num_examples: 8588 download_size: 46537545 dataset_size: 393615273.53778654 configs: - config_name: default data_files: - split: gh path: data/gh-* - split: pkg path: data/pkg-* ---

原始信息汇总

数据集概述

数据集特征

• file_path：文件路径，数据类型为字符串。
• content：内容，数据类型为字符串。
• size：文件大小，数据类型为整数（int64）。
• lang：语言，数据类型为字符串。
• avg_line_length：平均行长度，数据类型为浮点数（float64）。
• max_line_length：最大行长度，数据类型为整数（int64）。
• alphanum_fraction：字母数字比例，数据类型为浮点数（float64）。

数据集分割

• gh：包含9731个示例，总字节数为275860023.80293804。
• pkg：包含8588个示例，总字节数为117755249.73484848。

数据集大小

• 下载大小：46537545字节。
• 数据集总大小：393615273.53778654字节。

配置文件

• default：
  • gh：数据文件路径格式为data/gh-*。
  • pkg：数据文件路径格式为data/pkg-*。