Most Popular Programming Languages worldwide

kaggle2022-10-18 更新2024-03-07 收录

编程语言

全球流行度

数据链接：

https://www.kaggle.com/datasets/deepakdhanoliya12/most-common-programming-languages-used-worldwide 数据链接链接失效反馈

官方服务：

资源简介：

programming languages used by a common man in worldwide

全球普通民众所使用的编程语言（programming languages）

创建时间：

2022-10-18

SWE-Factory

软件工程

编程语言

SWE-Factory是一个自动化的流水线，旨在解决GitHub问题解决任务中大规模数据集构建的挑战。该数据集包含了671个问题，涉及Python、Java、JavaScript和TypeScript四种编程语言。SWE-Factory通过SWE-Builder、标准化退出码评分和自动化fail2pass验证三个核心自动化组件，有效地构建了高质量的问题解决任务实例。该数据集对于训练和评估大型语言模

arXiv2025-06-13 更新770

SC++

编程语言

代码分类

该数据集收集了来自Stack Overflow社区在2017年开发者调查中评选出的21种流行编程语言的源代码片段。在利用DeepSCC工具移除了部分无效源代码之后，该数据集涵盖了19种编程语言。其任务是对代码进行语言分类。

arXiv350

modularStarEncoder/SynthCode2Code2NL

编程语言

自然语言处理

SynthCode2Code2NL-neardedup语料库是一个基于CodeSearchNet生成的（注释、代码、代码）三元组数据集，用于人类数据。该数据集通过Qwen 2.5 Coder-7B-Instruct生成了辅助语言的代码。这是SynthCode2Code2NL-neardedup的非近似去重版本。数据集包含多种编程语言，如Go、Java、JavaScript、PHP、Python、R

Hugging Face2025-03-06 更新150

Razvan27/network_paper

编程语言

数据去重

该数据集包含多个配置，主要涉及Java和Python编程语言的代码文件。每个配置包含文件名、文件路径、文件内容、文件大小、语言、扩展名、仓库名称、仓库星标数、仓库分叉数、仓库开放问题数、仓库创建时间和最后推送时间等特征字段。某些配置还包含去重相关的字段（如sha、near_dups_stkv2_idx等）。数据集的主要用途可能是用于代码分析、去重、相似性检测等任务。

Hugging Face2024-07-02 更新360

Github Code Clean

编程语言

机器学习

该数据集是从GitHub收集的经过清洗的代码，为了提升模型训练的质量和多样性，进行了精细的筛选处理。在保证数据质量方面，数据集经过了严格的去重和过滤，剔除了低质量的代码以及包含敏感信息和个人识别信息的内容。该数据集涵盖了116种编程语言的代码，适用于代码生成、代码修复、代码解释以及其他与代码相关的任务。

arXiv190

Most Popular Programming Languages worldwide

资源简介：

相关数据集