数据科学软件缺陷数据集

深度学习应用经常依赖于一些开源的数据科学库。本项目构建的数据科学软件缺陷数据集收集了大型开发者问答网站Stack Overflow上关于数据科学开源库numpy，pandas，scipy的语义相同的代码片段（其中一个为有性能缺陷的代码片段，其余为该缺陷的解决方案）和经过抽象语法树分析以及启发式算法得到的可替换的API调用序列（其中一个为有性能缺陷的调用序列，其余为该缺陷的解决方案）。目前，该数据集共包括5080个合法的可替换代码对和68个重复出现的可替换API序列。