insub/Code_Infilling_C_Cpp

该数据集是嵌入式C/C++软件中使用的代码集合。该数据集的目的是代码填充，但也可以用于其他用途。数据集收集了来自7个库的代码，包括fprime、boost-asio、TinyXML、inifile-cpp、RTI-DDS、OneAPI和PROJ。文件扩展名和仓库文件数量也进行了统计，并提供了每个仓库的许可证信息。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • repo_name: 仓库名称，类型为字符串。
  • file_path: 文件路径，类型为字符串。
  • content: 内容，类型为字符串。
  • extention: 文件扩展名，类型为字符串。
• 分割:
  • train: 训练集，包含95,097,104字节，10,208个样本。
• 下载大小: 22,080,484字节
• 数据集大小: 95,097,104字节

配置

• 默认配置:
  • 数据文件路径: data/train-*

数据集内容

• 文件扩展名统计:

  扩展名	数量
  c	199
  cpp	2495
  cxx	505
  h	5015
  hpp	1994

• 仓库文件统计:

  仓库名称	文件数量
  PROJ	306
  asio	1150
  fprime	1091
  inifile-cpp	8
  oneAPI-samples	2456
  rticonnextdds-examples	778
  rticonnextdds-getting-started	33
  rticonnextdds-robot-helpers	53
  rticonnextdds-usecases	4329
  tinyxml2	4

• 许可证信息:

  仓库名称	许可证
  PROJ	MIT
  asio	boost license
  fprime	Apache-2.0
  inifile-cpp	MIT
  oneAPI-samples	MIT
  rticonnextdds-examples	rti license
  rticonnextdds-getting-started	rti license
  rticonnextdds-robot-helpers	rti license
  rticonnextdds-usecases	rti license
  tinyxml2	Zlib

• 数据生成脚本: data_generate.py