mponty/reordered_python_starcoderdata

---
dataset_info:
features:
- name: reponame
dtype: string
- name: files
list:
- name: content
dtype: string
- name: id
dtype: string
- name: language
dtype: string
- name: matching_score
dtype: float64
- name: max_stars_count
dtype: int64
- name: path
dtype: string
- name: median_score
dtype: float64
splits:
- name: train
num_bytes: 61453380449
num_examples: 902466
download_size: 20060701005
dataset_size: 61453380449
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Python repositories from StarCoderData

原始信息汇总

数据集信息

特征

• reponame: 类型为字符串。
• files: 列表类型，包含以下子特征：
  • content: 类型为字符串。
  • id: 类型为字符串。
  • language: 类型为字符串。
  • matching_score: 类型为浮点数（float64）。
  • max_stars_count: 类型为整数（int64）。
  • path: 类型为字符串。
• median_score: 类型为浮点数（float64）。

数据分割

• train: 包含902466个样本，总字节数为61453380449。

数据大小

• 下载大小: 20060701005字节。
• 数据集大小: 61453380449字节。

配置

• default: 包含数据文件，路径为data/train-*。