pharaouk/stack-v2-python-with-content-chunk1
收藏Hugging Face2024-03-31 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/pharaouk/stack-v2-python-with-content-chunk1
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: repo_name
dtype: string
- name: repo_url
dtype: string
- name: snapshot_id
dtype: string
- name: revision_id
dtype: string
- name: directory_id
dtype: string
- name: branch_name
dtype: string
- name: visit_date
dtype: timestamp[ns]
- name: revision_date
dtype: timestamp[ns]
- name: committer_date
dtype: timestamp[ns]
- name: github_id
dtype: int64
- name: star_events_count
dtype: int64
- name: fork_events_count
dtype: int64
- name: gha_license_id
dtype: string
- name: gha_created_at
dtype: timestamp[ns]
- name: gha_updated_at
dtype: timestamp[ns]
- name: gha_pushed_at
dtype: timestamp[ns]
- name: gha_language
dtype: string
- name: files
list:
- name: alpha_fraction
dtype: float64
- name: alphanum_fraction
dtype: float64
- name: avg_line_length
dtype: float64
- name: blob_id
dtype: string
- name: content_id
dtype: string
- name: detected_licenses
sequence: string
- name: is_generated
dtype: bool
- name: is_vendor
dtype: bool
- name: language
dtype: string
- name: length_bytes
dtype: int64
- name: license_type
dtype: string
- name: max_line_length
dtype: int64
- name: num_lines
dtype: int64
- name: path
dtype: string
- name: repo_name
dtype: string
- name: src_encoding
dtype: string
- name: text
dtype: string
- name: num_files
dtype: int64
splits:
- name: train
num_bytes: 144356548766
num_examples: 2984968
download_size: 51814563482
dataset_size: 144356548766
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
pharaouk
原始信息汇总
数据集概述
数据集特征
主要特征
- repo_name: 字符串类型
- repo_url: 字符串类型
- snapshot_id: 字符串类型
- revision_id: 字符串类型
- directory_id: 字符串类型
- branch_name: 字符串类型
- visit_date: 时间戳类型，单位纳秒
- revision_date: 时间戳类型，单位纳秒
- committer_date: 时间戳类型，单位纳秒
- github_id: 整数类型
- star_events_count: 整数类型
- fork_events_count: 整数类型
- gha_license_id: 字符串类型
- gha_created_at: 时间戳类型，单位纳秒
- gha_updated_at: 时间戳类型，单位纳秒
- gha_pushed_at: 时间戳类型，单位纳秒
- gha_language: 字符串类型
文件特征
- alpha_fraction: 浮点数类型
- alphanum_fraction: 浮点数类型
- avg_line_length: 浮点数类型
- blob_id: 字符串类型
- content_id: 字符串类型
- detected_licenses: 字符串序列
- is_generated: 布尔类型
- is_vendor: 布尔类型
- language: 字符串类型
- length_bytes: 整数类型
- license_type: 字符串类型
- max_line_length: 整数类型
- num_lines: 整数类型
- path: 字符串类型
- repo_name: 字符串类型
- src_encoding: 字符串类型
- text: 字符串类型
数据集拆分
- train:
- num_bytes: 144356548766 字节
- num_examples: 2984968 个样本
数据集大小
- download_size: 51814563482 字节
- dataset_size: 144356548766 字节
