Coder-Stat

# Coder-Stat Dataset

## Overview
The Coder-Stat dataset is a collection of programming-related data, including problem IDs, programming languages, original statuses, and source code snippets. This dataset is designed to assist in the analysis of coding patterns, error types, and performance metrics.

## Dataset Details

### Modalities
- **Tabular**: The dataset is structured in a tabular format.
- **Text**: Contains text data, including source code snippets.

### Formats
- **JSON**: The dataset is available in JSON format.

### Size
- The dataset contains between 10,000 to 100,000 entries.

### Libraries
- **Datasets**: The dataset is compatible with the Hugging Face Datasets library.
- **Pandas**: Can be easily loaded and manipulated using Pandas.
- **Croissant**: Additional support for Croissant format.

## Dataset Structure

### Columns
- **problem_id**: A unique identifier for each problem.
- **language**: The programming language used.
- **original_status**: The original status of the code (e.g., Runtime Error, Time Limit Exceeded).
- **original_sre**: The original source code.
- **changed_sre**: The modified or corrected source code.

### Splits

- **train**: Contains 41,900 rows of training data.

## Usage

### Loading the Dataset
You can load the dataset using the Hugging Face Datasets library:

```python
from datasets import load_dataset

dataset = load_dataset("prithivMLmods/Coder-Stat")
```

### Example
Here’s an example of how to access the data:

```python
import pandas as pd

# Load the dataset
dataset = load_dataset("prithivMLmods/Coder-Stat")

# Convert to Pandas DataFrame
df = pd.DataFrame(dataset['train'])

# Display the first few rows
print(df.head())
```

# Coder-Stat 数据集

## 概述
Coder-Stat 数据集是一类编程相关数据的集合，涵盖题目唯一标识符、编程语言、代码原始状态以及源代码片段。本数据集旨在助力编码模式、错误类型与性能指标的分析研究。

## 数据集详情

### 数据模态
- **表格型（Tabular）**：数据集采用表格结构化格式。
- **文本型（Text）**：包含文本数据，其中涵盖源代码片段。

### 数据格式
- **JSON**：该数据集以JSON格式提供。

### 数据规模
- 数据集包含10,000至100,000条数据条目。

### 兼容库
- **Datasets**：兼容Hugging Face Datasets库。
- **Pandas**：可通过Pandas库轻松加载并进行操作。
- **Croissant**：额外支持Croissant格式。

## 数据集结构

### 字段列
- **problem_id**：每个编程题目的唯一标识符。
- **language**：所使用的编程语言。
- **original_status**：代码的原始运行状态（例如：运行时错误、超时）。
- **original_sre**：原始源代码。
- **changed_sre**：经过修改或修正后的源代码。

### 数据划分
- **train**：包含41,900条训练数据行。

## 使用方法

### 加载数据集
可通过Hugging Face Datasets库加载该数据集：
python
from datasets import load_dataset

dataset = load_dataset("prithivMLmods/Coder-Stat")

### 示例
以下为访问数据的示例代码：
python
import pandas as pd

# 加载数据集
dataset = load_dataset("prithivMLmods/Coder-Stat")

# 转换为Pandas DataFrame
df = pd.DataFrame(dataset['train'])

# 展示前若干行数据
print(df.head())