infinityofspace/python_codestyles-single-500

该数据集包含Python代码的正面和负面示例，用于评估代码是否符合代码风格。正面示例表示代码符合代码风格（标签为1）。每个示例由两部分组成：一部分是代码，另一部分是符合代码风格的示例代码。数据集包含500种不同的代码风格，且每种风格仅在一个代码风格规则上有所不同。数据集分为训练组和测试组，两组之间的代码风格不重叠。此外，数据集中代码的来源仓库包括TheAlgorithms/Python、huggingface/transformers、huggingface/datasets、huggingface/diffusers和huggingface/accelerate等。代码风格信息可以在additional_data.json文件中找到。数据集共有182,184个样本，其中91,084个为正面样本，91,100个为负面样本。

原始信息汇总

数据集概述

数据集名称

python_codestyles-single-500

数据集描述

该数据集包含符合或违反代码风格的Python代码的正负示例。正示例表示符合代码风格（标签为1）。每个示例由两部分组成，第一部分是符合或违反代码风格的代码，第二部分是已符合代码风格的示例代码。数据集总共包含500种完全不同的代码风格，这些代码风格在单一代码风格规则上有所不同，称为single代码风格数据集变体。数据集分为训练组和测试组，两组之间没有重叠的代码风格，且包含完全不同的底层代码。

数据集特征

• code: 字符串类型
• code_codestyle: 64位整数类型
• style_context: 字符串类型
• style_context_codestyle: 64位整数类型
• label: 64位整数类型

数据集划分

• train: 包含153991个样本，大小为1784386100字节
• test: 包含28193个样本，大小为323920285字节

数据集大小

• 下载大小: 320183832字节
• 数据集大小: 2108306385字节

许可证

MIT

标签分布

• 总共182184个样本
• 正样本: 91084个
• 负样本: 91100个

相关文件

• 代码风格的对应信息可在additional_data.json文件中找到，该文件按训练组和测试组划分，索引对应数据集中code_codestyle和style_context_codestyle列的类别。