mamiksik/processed-commit-diffs

该数据集包含多个开源项目的信息，主要字段包括内容类型、主要语言、消息、SHA、补丁和文件数量。数据集被划分为训练集、测试集和验证集，分别包含62272、7784和7784个样本。数据集总大小为325754095字节，下载大小为112191621字节。数据集中包含的项目涵盖了多种编程语言，如Go、Java、Javascript、PHP、Python和Ruby，具体项目包括Moby、Rxjava、Spring-framework、Chart.js、Three.js、Redux、React-native、React、Pdf.js、Node、Next.js、Moment、Video.js、Immutable-js、Jquery、Webpack、Angular.js、Atom、Ember.js、Axios、D3、Framework、Cakephp、Laravel、Transformers、Python、Airflow、Spacy、Freecodecamp、Glances、Django-rest-framework、Libcloud、Numpy、Flask、Celery、Keras、Models、Django、Brew和Rails。

原始信息汇总

数据集概述

数据集特征

• content_type: 数据类型 - string
• main_lang: 数据类型 - string
• message: 数据类型 - string
• sha: 数据类型 - string
• patch: 数据类型 - string
• file_count: 数据类型 - int64

数据集划分

• train:
  • 样本数量: 62272
  • 数据大小: 260603276.0 bytes
• test:
  • 样本数量: 7784
  • 数据大小: 32575409.5 bytes
• valid:
  • 样本数量: 7784
  • 数据大小: 32575409.5 bytes

数据集大小

• 下载大小: 112191621 bytes
• 数据集总大小: 325754095.0 bytes

包含的项目列表

• Moby: 语言 - Go, 获取次数 - 5943
• Rxjava: 语言 - Java, 获取次数 - 516
• Spring-framework: 语言 - Java, 获取次数 - 2529
• Chart.js: 语言 - Javascript, 获取次数 - 641
• Three.js: 语言 - Javascript, 获取次数 - 1512
• Redux: 语言 - Javascript, 获取次数 - 592
• React-native: 语言 - Javascript, 获取次数 - 2901
• React: 语言 - Javascript, 获取次数 - 2335
• Pdf.js: 语言 - Javascript, 获取次数 - 966
• Node: 语言 - Javascript, 获取次数 - 7779
• Next.js: 语言 - Javascript, 获取次数 - 1183
• Moment: 语言 - Javascript, 获取次数 - 422
• Video.js: 语言 - Javascript, 获取次数 - 254
• Immutable-js: 语言 - Javascript, 获取次数 - 112
• Jquery: 语言 - Javascript, 获取次数 - 527
• Webpack: 语言 - Javascript, 获取次数 - 1715
• Angular.js: 语言 - Javascript, 获取次数 - 1938
• Atom: 语言 - Javascript, 获取次数 - 1090
• Ember.js: 语言 - Javascript, 获取次数 - 2094
• Axios: 语言 - Javascript, 获取次数 - 110
• D3: 语言 - Javascript, 获取次数 - 371
• Framework: 语言 - PHP, 获取次数 - 4668
• Cakephp: 语言 - PHP, 获取次数 - 5827
• Laravel: 语言 - PHP, 获取次数 - 769
• Transformers: 语言 - Python, 获取次数 - 1735
• Python: 语言 - Python, 获取次数 - 330
• Airflow: 语言 - Python, 获取次数 - 1592
• Spacy: 语言 - Python, 获取次数 - 2033
• Freecodecamp: 语言 - Python, 获取次数 - 2773
• Glances: 语言 - Python, 获取次数 - 494
• Django-rest-framework: 语言 - Python, 获取次数 - 1084
• Libcloud: 语言 - Python, 获取次数 - 1104
• Numpy: 语言 - Python, 获取次数 - 2512
• Flask: 语言 - Python, 获取次数 - 277
• Celery: 语言 - Python, 获取次数 - 565
• Keras: 语言 - Python, 获取次数 - 1466
• Models: 语言 - Python, 获取次数 - 930
• Django: 语言 - Python, 获取次数 - 170
• Brew: 语言 - Ruby, 获取次数 - 5560
• Rails: 语言 - Ruby, 获取次数 - 8421