--- dataset_info: features: - name: __id__ dtype: int64 - name: blob_id dtype: string - name: directory_id dtype: string - name: path dtype: string - name: content_id d

Hugging Face2023-10-10 更新150

loubnabnl/old_py

代码仓库分析

开源管理

--- dataset_info: features: - name: __id__ dtype: int64 - name: blob_id dtype: string - name: directory_id dtype: string - name: path dtype: string - name: content_id d

Hugging Face2023-10-10 更新110

loubnabnl/data-filtering-statistics

数据预处理

统计分析

该数据集在去重和行过滤的基础上，进一步进行了评论过滤（至少1%的行应为注释/文档字符串）和星标过滤（至少5颗星）。表格展示了Python、Java和Javascript三种语言在过滤前后的数据量变化，包括过滤前的数据量、星标过滤后的数据量、评论比例过滤后的数据量、进一步去重后的数据量以及分词器生成的数据量。

Hugging Face2022-12-14 更新150

loubnabnl/clean_prs2

开源项目

版本控制

--- dataset_info: features: - name: bucket dtype: string - name: pull_request_info struct: - name: org.id dtype: int64 - name: public dtype: bool - name: pull_req

Hugging Face2023-09-15 更新120

loubnabnl/github-code-more-filtering

资源简介：

数据集概述

许可证信息

相关数据集