claudios/dypybench_functions

DyPyBench Functions数据集由Piyush Krishan Bajaj在斯图加特大学软件工程研究所的软件实验室构建，包含了来自GitHub的50个开源项目。使用Nathan Cooper的`function_parser`工具从项目中提取所有函数，并排除了虚拟环境中的库函数。此外，还对所有项目进行了测试并生成了覆盖率报告。数据集的列信息包括函数的唯一ID、项目ID、项目名称、SHA提交哈希、GitHub URL、文件路径、函数起始和结束行号、函数行数、函数标识符、参数、函数源代码、无文档字符串的函数源代码、文档字符串、文档字符串行数、文档字符串摘要、返回语句、文件覆盖率、执行行数、执行行数百分比、缺失行数、缺失行数百分比、是否覆盖、McCabe复杂度和函数覆盖率百分比。

原始信息汇总

DyPyBench Functions 数据集

数据集概述

DyPyBench Functions 数据集是由斯图加特大学软件工程研究所的 Piyush Krishan Bajaj 构建的，包含来自 GitHub 的 50 个开源项目。该数据集通过使用基于 GitHub 的 CodeSearchNet 的 function_parser 工具提取所有函数，并生成覆盖率报告。

数据集特征

数据集包含以下特征：

• nwo: 项目名称，格式为 repo/project，类型为字符串。
• sha: 提交哈希，类型为字符串。
• path: 包含函数的文件路径，相对于项目根目录，类型为字符串。
• identifier: 函数标识符，类型为字符串。
• parameters: 函数参数，类型为字符串。
• return_statement: 函数返回语句，类型为字符串。
• docstring: 函数文档字符串，类型为字符串。
• docstring_summary: 函数文档字符串摘要，类型为字符串。
• func_begin: 函数开始行号，类型为 int64。
• func_end: 函数结束行号，类型为 int64。
• function: 函数源代码，包括文档字符串，类型为字符串。
• url: 函数行在 GitHub 上的 URL，类型为字符串。
• project: DyPyBench 项目 ID，类型为 int64。
• executed_lines: 执行的行号序列，类型为 int64 序列。
• executed_lines_pc: 执行行数占总行数的百分比，类型为 float64。
• missing_lines: 缺失的行号序列，类型为 int64 序列。
• missing_lines_pc: 缺失行数占总行数的百分比，类型为 float64。
• covered: 是否所有行都已执行或没有缺失行，类型为布尔值。
• filecoverage: 文件覆盖率百分比，类型为 float64。
• function_lines: 函数行数，类型为 int64。
• mccabe: 函数 McCabe 复杂度，类型为 int64。
• coverage: 函数覆盖率百分比，类型为 float64。
• docstring_lines: 文档字符串行数，类型为 int64。
• function_nodoc: 不包含文档字符串的函数源代码，类型为字符串。
• id: 函数唯一 ID，类型为 int64。

数据集分割

• train: 训练集，包含 11168 个样本，总字节数为 22383711。

数据集大小

• 下载大小: 6805239 字节
• 数据集大小: 22383711 字节

配置

• default: 默认配置，训练集数据文件路径为 data/train-*。