susnato/python_PRs

该数据集包含与代码仓库拉取请求相关的信息，涵盖了代码仓库名称、拉取请求编号、标题、描述、作者、创建和合并日期、前后提交内容等字段。数据集包含一个训练集分割，共有551,666个样本，总大小为88,482,813,511字节，下载大小为71,508,720,685字节。

原始信息汇总

数据集概述

数据集特征

• repo_name: 仓库名称，数据类型为字符串。
• pr_number: 拉取请求编号，数据类型为整数。
• pr_title: 拉取请求标题，数据类型为字符串。
• pr_description: 拉取请求描述，数据类型为字符串。
• author: 作者，数据类型为字符串。
• date_created: 创建日期，数据类型为时间戳（纳秒，UTC时区）。
• date_merged: 合并日期，数据类型为时间戳（纳秒，UTC时区）。
• previous_commit: 前一次提交，数据类型为字符串。
• pr_commit: 拉取请求提交，数据类型为字符串。
• query: 查询，数据类型为字符串。
• filepath: 文件路径，数据类型为字符串。
• before_content: 修改前内容，数据类型为字符串。
• after_content: 修改后内容，数据类型为字符串。
• label: 标签，数据类型为整数。

数据集划分

• train: 训练集，包含551666个样本，总字节数为88482813511。

数据集大小

• 下载大小: 71508720685字节。
• 数据集大小: 88482813511字节。

配置

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