ytzi/the-stack-dedup-python-filtered
收藏Hugging Face2024-03-27 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/ytzi/the-stack-dedup-python-filtered
下载链接
链接失效反馈官方服务：
资源简介：
该数据集来自the-stack-dedup，并经过了6种过滤器的处理，包括移除非ASCII字符、移除装饰器、移除异步函数、移除类、移除生成器以及移除无文档字符串的函数。数据集包含多个字段，如hexsha、size、ext、lang等，并且有一个训练集分割，包含12725978个样本，总大小为30218858735字节。
该数据集来自the-stack-dedup，并经过了6种过滤器的处理，包括移除非ASCII字符、移除装饰器、移除异步函数、移除类、移除生成器以及移除无文档字符串的函数。数据集包含多个字段，如hexsha、size、ext、lang等，并且有一个训练集分割，包含12725978个样本，总大小为30218858735字节。
提供机构：
ytzi
原始信息汇总
数据集概述
数据集信息
特征
- hexsha: 字符串类型
- size: 64位整数类型
- ext: 字符串类型
- lang: 字符串类型
- max_stars_repo_path: 字符串类型
- max_stars_repo_name: 字符串类型
- max_stars_repo_head_hexsha: 字符串类型
- max_stars_repo_licenses: 字符串序列类型
- max_stars_count: 64位整数类型
- max_stars_repo_stars_event_min_datetime: 字符串类型
- max_stars_repo_stars_event_max_datetime: 字符串类型
- max_issues_repo_path: 字符串类型
- max_issues_repo_name: 字符串类型
- max_issues_repo_head_hexsha: 字符串类型
- max_issues_repo_licenses: 字符串序列类型
- max_issues_count: 64位整数类型
- max_issues_repo_issues_event_min_datetime: 字符串类型
- max_issues_repo_issues_event_max_datetime: 字符串类型
- max_forks_repo_path: 字符串类型
- max_forks_repo_name: 字符串类型
- max_forks_repo_head_hexsha: 字符串类型
- max_forks_repo_licenses: 字符串序列类型
- max_forks_count: 64位整数类型
- max_forks_repo_forks_event_min_datetime: 字符串类型
- max_forks_repo_forks_event_max_datetime: 字符串类型
- content: 字符串类型
- avg_line_length: 64位浮点数类型
- max_line_length: 64位整数类型
- alphanum_fraction: 64位浮点数类型
数据分割
- train: 包含12725978个样本，总字节数为30218858735
数据集大小
- 下载大小: 14628118101字节
- 数据集大小: 30218858735字节
配置
- default: 包含训练数据文件，路径为
data/train-*
