version-control/ds-lib-version-2

---
dataset_info:
features:
- name: repo_name
dtype: string
- name: version
list:
- name: pyproject.toml
struct:
- name: matplotlib
dtype: string
- name: numpy
dtype: string
- name: pandas
dtype: string
- name: scikit-learn
dtype: string
- name: scipy
dtype: string
- name: tensorflow
dtype: string
- name: torch
dtype: string
- name: requirements.txt
struct:
- name: matplotlib
dtype: string
- name: numpy
dtype: string
- name: pandas
dtype: string
- name: scikit-learn
dtype: string
- name: scipy
dtype: string
- name: tensorflow
dtype: string
- name: torch
dtype: string
- name: setup.py
struct:
- name: matplotlib
dtype: string
- name: numpy
dtype: string
- name: pandas
dtype: string
- name: scikit-learn
dtype: string
- name: scipy
dtype: string
- name: tensorflow
dtype: string
- name: torch
dtype: string
- name: hexsha
sequence: string
splits:
- name: train
num_bytes: 2516181
num_examples: 10000
download_size: 827987
dataset_size: 2516181
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

This dataset is primarily used for recording and analyzing software repository dependencies. It includes repository names, version information (specifically for Python library dependencies in three files), and a serialized string (hexsha). The dataset is divided into a training set with 10000 samples, with a total size of 2516181 bytes.

原始信息汇总

数据集信息

特征

• repo_name: 类型为字符串。
• version: 包含以下列表：
  • pyproject.toml: 包含以下结构：
    • matplotlib: 类型为字符串。
    • numpy: 类型为字符串。
    • pandas: 类型为字符串。
    • scikit-learn: 类型为字符串。
    • scipy: 类型为字符串。
    • tensorflow: 类型为字符串。
    • torch: 类型为字符串。
  • requirements.txt: 包含以下结构：
    • matplotlib: 类型为字符串。
    • numpy: 类型为字符串。
    • pandas: 类型为字符串。
    • scikit-learn: 类型为字符串。
    • scipy: 类型为字符串。
    • tensorflow: 类型为字符串。
    • torch: 类型为字符串。
  • setup.py: 包含以下结构：
    • matplotlib: 类型为字符串。
    • numpy: 类型为字符串。
    • pandas: 类型为字符串。
    • scikit-learn: 类型为字符串。
    • scipy: 类型为字符串。
    • tensorflow: 类型为字符串。
    • torch: 类型为字符串。
• hexsha: 类型为字符串序列。

数据分割

• train: 包含2516181字节，10000个样本。

数据集大小

• 下载大小: 827987字节。
• 数据集大小: 2516181字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。