Hugging Face's logo

Datasets:
PiotrSty
/
pl-github-readmes

Modalities:
Tabular
Text
Formats:
parquet
Languages:
Polish
Size:
10K - 100K
Tags:
polish
github
readme
code
open-source
developers
Libraries:
Datasets
pandas
Polars
License:
Dataset card Data Studio Files
xet
 Community
1
PiotrSty commited on
Commit
70cd66b
·
verified ·
1 Parent(s): d1d725d

Upload README.md with huggingface_hub

Browse files
Files changed (1) hide show
  1. README.md +30 -61
README.md CHANGED
@@ -3,43 +3,12 @@ language: pl
3
  license: other
4
  size_categories: 1K<n<10K
5
  tags:
6
- - polish
7
- - github
8
- - readme
9
- - code
10
- - open-source
11
- - developers
12
- dataset_info:
13
- features:
14
- - name: repository_id
15
- dtype: int64
16
- - name: full_name
17
- dtype: string
18
- - name: description
19
- dtype: string
20
- - name: stars
21
- dtype: int64
22
- - name: language
23
- dtype: string
24
- - name: license
25
- dtype: string
26
- - name: readme
27
- dtype: string
28
- - name: readme_length
29
- dtype: int64
30
- - name: fetched_at
31
- dtype: string
32
- splits:
33
- - name: train
34
- num_bytes: 58604915
35
- num_examples: 17522
36
- download_size: 32187627
37
- dataset_size: 58604915
38
- configs:
39
- - config_name: default
40
- data_files:
41
- - split: train
42
- path: data/train-*
43
  ---
44
 
45
  # Polish GitHub README Corpus — Polskie README z repozytoriów GitHub
@@ -53,10 +22,10 @@ Korpus polskojęzycznych plików README z repozytoriów GitHub, wygenerowany z G
53
  | Repozytoria (klasyfikacja PL) | 209,519 |
54
  | Pobrane README (90 min scrape) | 2,313 |
55
  | Po deduplikacji i filtrowaniu | 2,203 |
56
- | Znaki | 10,825,412 |
57
- | Słowa | 1,201,709 |
58
- | Tokeny (szac.) | ~1,622,307 (1.62M) |
59
- | Średnia długość README | 4,913 znaków |
60
 
61
  ## Pola
62
 
@@ -94,31 +63,31 @@ Korpus polskojęzycznych plików README z repozytoriów GitHub, wygenerowany z G
94
 
95
  | Licencja | Liczba |
96
  |---|---|
97
- | None | 1,216 |
98
- | MIT | 465 |
99
- | GPL-3.0 | 174 |
100
- | NOASSERTION | 103 |
101
- | Apache-2.0 | 79 |
102
- | AGPL-3.0 | 41 |
103
- | GPL-2.0 | 32 |
104
- | BSD-3-Clause | 17 |
105
- | CC0-1.0 | 12 |
106
- | LGPL-3.0 | 11 |
107
 
108
  ## Główne języki programowania (top 10)
109
 
110
  | Język | Liczba |
111
  |---|---|
112
- | Python | 358 |
113
- | None | 288 |
114
- | JavaScript | 211 |
115
- | PHP | 148 |
116
- | HTML | 142 |
117
- | Java | 134 |
118
- | TypeScript | 134 |
119
- | Jupyter Notebook | 117 |
120
- | C++ | 110 |
121
- | C# | 96 |
122
 
123
  ## Licencja
124
 
 
3
  license: other
4
  size_categories: 1K<n<10K
5
  tags:
6
+ - polish
7
+ - github
8
+ - readme
9
+ - code
10
+ - open-source
11
+ - developers
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
12
  ---
13
 
14
  # Polish GitHub README Corpus — Polskie README z repozytoriów GitHub
 
22
  | Repozytoria (klasyfikacja PL) | 209,519 |
23
  | Pobrane README (90 min scrape) | 2,313 |
24
  | Po deduplikacji i filtrowaniu | 2,203 |
25
+ | Znaki | 54,412,484 |
26
+ | Słowa | 6,605,910 |
27
+ | Tokeny (szac.) | ~8,917,978 (8.92M) |
28
+ | Średnia długość README | 3,105 znaków |
29
 
30
  ## Pola
31
 
 
63
 
64
  | Licencja | Liczba |
65
  |---|---|
66
+ | None | 13,311 |
67
+ | MIT | 2,257 |
68
+ | GPL-3.0 | 693 |
69
+ | NOASSERTION | 385 |
70
+ | Apache-2.0 | 330 |
71
+ | GPL-2.0 | 116 |
72
+ | AGPL-3.0 | 109 |
73
+ | Unlicense | 62 |
74
+ | BSD-3-Clause | 51 |
75
+ | CC0-1.0 | 50 |
76
 
77
  ## Główne języki programowania (top 10)
78
 
79
  | Język | Liczba |
80
  |---|---|
81
+ | Python | 2,942 |
82
+ | JavaScript | 2,138 |
83
+ | None | 1,804 |
84
+ | Java | 1,607 |
85
+ | C# | 1,095 |
86
+ | TypeScript | 1,086 |
87
+ | C++ | 1,086 |
88
+ | HTML | 1,085 |
89
+ | Jupyter Notebook | 750 |
90
+ | PHP | 725 |
91
 
92
  ## Licencja
93