Weyaxi/huggingface-spaces-codes

该数据集包含了截至2023年11月10日Huggingface Spaces中获得超过0个点赞的代码文件，涵盖了多种编程语言，总大小为672 MB（压缩）和2.05 GB（未压缩）。数据字段包括repository、sdk和license。数据结构以作者和空间的形式组织。数据集统计信息详细列出了不同编程语言的文件数量、文件大小和行数。数据集的创建过程包括从Huggingface Hub API抓取数据、过滤点赞数大于0的空间、克隆空间到本地以及处理数据以生成统计信息。

原始信息汇总

📊 数据集描述

该数据集包含截至2023年11月10日拥有超过0个点赞的Huggingface Spaces代码文件。数据集包含多种编程语言，总计压缩后为672 MB，未压缩为2.05 GB。

📝 数据字段

字段	类型	描述
repository	string	Huggingface Spaces仓库名称
sdk	string	空间的软件开发工具包
license	string	空间的许可证类型

🧩 数据结构

数据结构如下：

spaces/ ├─ author1/ │ ├─ space1 │ ├─ space2 ├─ author2/ │ ├─ space1 │ ├─ space2 │ ├─ space3

🏛️ 许可证

Huggingface Spaces包含多种许可证。以下是该数据集包含的许可证列表：

python [ None, mit, apache-2.0, openrail, gpl-3.0, other, afl-3.0, unknown, creativeml-openrail-m, cc-by-nc-4.0, cc-by-4.0, cc, cc-by-nc-sa-4.0, bigscience-openrail-m, bsd-3-clause, agpl-3.0, wtfpl, gpl, artistic-2.0, lgpl-3.0, cc-by-sa-4.0, Configuration error, bsd, cc-by-nc-nd-4.0, cc0-1.0, unlicense, llama2, bigscience-bloom-rail-1.0, gpl-2.0, bsd-2-clause, osl-3.0, cc-by-2.0, cc-by-3.0, cc-by-nc-3.0, cc-by-nc-2.0, cc-by-nd-4.0, openrail++, bigcode-openrail-m, bsd-3-clause-clear, eupl-1.1, cc-by-sa-3.0, mpl-2.0, c-uda, gfdl, cc-by-nc-sa-2.0, cc-by-2.5, bsl-1.0, odc-by, deepfloyd-if-license, ms-pl, ecl-2.0, pddl, ofl-1.1, lgpl-2.1, postgresql, lppl-1.3c, ncsa, cc-by-nc-sa-3.0 ]

📊 数据集统计

语言	文件扩展名	文件数量	文件大小 (MB)	行数
Python	.py	141,560	1079.0	28,653,744
SQL	.sql	21	523.6	645
JavaScript	.js	6,790	369.8	2,137,054
Markdown	.md	63,237	273.4	3,110,443
HTML	.html	1,953	265.8	516,020
C	.c	1,320	132.2	3,558,826
Go	.go	429	46.3	6,331
CSS	.css	3,097	25.6	386,334
C Header	.h	2,824	20.4	570,948
C++	.cpp	1,117	15.3	494,939
TypeScript	.ts	4,158	14.8	439,551
TSX	.tsx	4,273	9.4	306,416
Shell	.sh	3,294	5.5	171,943
Perl	.pm	92	4.2	128,594
C#	.cs	22	3.9	41,265