stojchet/10K_py_base

该数据集主要包含代码库中函数的相关信息，如函数名称、函数路径、函数代码、函数文档等。数据集分为训练集和验证集，训练集包含10000个样本，验证集包含10个样本。数据集的总下载大小为29531736字节，总数据集大小为64374669字节。

This dataset primarily contains information related to functions in code repositories, such as function names, function paths, function codes, function documentation, etc. The dataset is divided into a training set and a validation set, with the training set containing 10,000 samples and the validation set containing 10 samples. The total download size of the dataset is 29531736 bytes, and the total dataset size is 64374669 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• repository_name: 仓库名称，数据类型为字符串。
• func_path_in_repository: 函数在仓库中的路径，数据类型为字符串。
• func_name: 函数名称，数据类型为字符串。
• whole_func_string: 整个函数的字符串表示，数据类型为字符串。
• language: 编程语言，数据类型为字符串。
• func_code_string: 函数代码字符串，数据类型为字符串。
• func_code_tokens: 函数代码的标记序列，数据类型为字符串序列。
• func_documentation_string: 函数文档字符串，数据类型为字符串。
• func_documentation_tokens: 函数文档的标记序列，数据类型为字符串序列。
• split_name: 数据集分割名称，数据类型为字符串。
• func_code_url: 函数代码的URL，数据类型为字符串。
• prediction: 预测结果，数据类型为字符串。
• prepared_prompt: 准备好的提示，数据类型为字符串。
• func_def: 函数定义，数据类型为字符串。

分割

• train: 训练集，包含10000个样本，总大小为64304157字节。
• validation: 验证集，包含10个样本，总大小为70512字节。

数据集大小

• 下载大小: 29531736字节
• 数据集总大小: 64374669字节

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • validation: 路径为data/validation-*