stojchet/1-csn_java_python_subset

该数据集包含Java和Python两种编程语言的函数代码及其相关信息。每个函数的数据包括仓库名称、函数路径、函数名称、完整函数字符串、语言、函数代码字符串、函数代码标记、函数文档字符串、函数文档标记、分割名称和函数代码URL。数据集分为训练集，其中Java配置包含10,507个示例，Python配置包含10,422个示例。

The dataset includes configurations for both Java and Python programming languages, detailing function-related information such as repository name, path, name, full code string, code tokens, documentation string, documentation tokens, split name, and code URL. The dataset is divided into training sets, with the Java part containing 10,507 examples totaling 26,984,592 bytes, and the Python part containing 10,422 examples totaling 39,106,223 bytes.

原始信息汇总

数据集概述

配置信息

Java 配置

• 特征:
  • repository_name: string
  • func_path_in_repository: string
  • func_name: string
  • whole_func_string: string
  • language: string
  • func_code_string: string
  • func_code_tokens: sequence of string
  • func_documentation_string: string
  • func_documentation_tokens: sequence of string
  • split_name: string
  • func_code_url: string
• 分割:
  • train:
    • num_bytes: 26984592.92490649
    • num_examples: 10507
• 下载大小: 11855423
• 数据集大小: 26984592.92490649
• 数据文件:
  • train: java/train-*

Python 配置

• 特征:
  • repository_name: string
  • func_path_in_repository: string
  • func_name: string
  • whole_func_string: string
  • language: string
  • func_code_string: string
  • func_code_tokens: sequence of string
  • func_documentation_string: string
  • func_documentation_tokens: sequence of string
  • split_name: string
  • func_code_url: string
• 分割:
  • train:
    • num_bytes: 39106223.07892861
    • num_examples: 10422
• 下载大小: 18000341
• 数据集大小: 39106223.07892861
• 数据文件:
  • train: python/train-*