blastwind/github-code-haskell-file

该数据集名为github-code-haskell-file，包含339k行数据，下载大小为806M。数据集是从github-code-clean提取的，每行数据包含用于个人分析项目的属性值。12.6%的行由于解析失败，其循环复杂度和LOC值为-1。数据集的特征包括代码、仓库名称、路径、许可证、大小、AST错误数量、AST最大深度、空白字符数量、AST节点数量、AST终端数量、AST非终端数量、代码行数和循环复杂度。数据集分为训练集，包含339895个例子，总大小为2024779946字节。

原始信息汇总

数据集概述

基本信息

• 数据集名称: github-code-haskell-file
• 行数: 339,000
• 下载大小: 806MB

数据集特征

• 特征名称 | 数据类型
• --- | ---
• code | string
• repo_name | string
• path | string
• license | string
• size | int64
• n_ast_errors | int64
• ast_max_depth | int64
• n_whitespaces | int64
• n_ast_nodes | int64
• n_ast_terminals | int64
• n_ast_nonterminals | int64
• loc | int64
• cycloplexity | int64

数据集划分

• 划分名称 | 字节数 | 示例数
• --- | --- | ---
• train | 2,024,779,946 | 339,895

其他信息

• 下载大小: 805,998,536字节
• 数据集大小: 2024,779,946字节
• 任务类别: text-generation
• 标签: code, haskell
• 大小类别: 100K<n<1M
• 特殊情况: 12.6% (43k) 的行中，cyclomatic complexity 和 LOC 值为 -1，原因是 homplexity 解析 uncommented_code 失败。