datasetstation 1.0.1.10

datasetstation 快速下载中文数据集，处理数据集，数据分析、可视化分析，一站式解决数据问题

datasetstation

datasetstation 快速下载中文数据集，处理数据集，数据分析、可视化分析，一站式解决数据问题

• 不用等了很久，结果 Timeout
• 不用每次写不规范的数据预处理代码
• 数据可视化分析不规范、每次都要重写非常麻烦
• 兼容 Tensorflow、Pytorch、HG Transformers 等主流的建模工具，一次数据处理，多平台数据建模
• 学习数据处理和分析的方法和流程，帮助你更懂数据

快速使用

pip install datasetstation

# 在 jupyter 中使用，执行下面命令
jupyter nbextension enable --py widgetsnbextension
jupyter labextension install jupyter-matplotlib

from datasetstation import load_dataset, list_datasets

# 打印支持的数据集
print(list_datasets())

# 加载数据及并打印并第一个样本
hotel_review = load_dataset('hotel-review')
print(hotel_review['train'][0])

# 处理数据集 - 给每个样本增加一个文本长度的特征
hotel_review = hotel_review.map(lambda x: {"length": len(x["text"])})

# 结合 transformers 库，快速使用各种模型处理任务
from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained('bert-base-cased')

tokenized_dataset = hotel_review.map(lambda x: tokenizer(x['text']), batched=True)

更多的关于 dataset 的操作，请参考 Huggingface Datasets 文档。

目前支持数据集

数据集	介绍
hotel-review	【英文】酒店评价情感分析
imdb	【英文】电影评论情感分析
new-title-chinese	【中文】新闻标题
chinese-hotel-review	【中文】携程酒店评价情感分析
dbms	【中文】豆瓣电影评论、打分数据
ez-douban	【中文】豆瓣电影信息、打分、评论
waimai-review-10k	【中文】外卖评价数据 10k 条，正负两种情绪
weibo-senti-100k	【中文】微博情感分析 100k 条，正负两种情绪
simplifyweibo-4-moods	【中文】微博情感分析，喜悦、愤怒、厌恶、低落四种情绪
eshopping-10-cats	【中文】电商 10 种商品评价，正负情感
squad	【英文】Stanford Question Answering Dataset (SQuAD)
stopwords-cn	【中文】中文停用词表
stopwords-hit	【中文】哈工大停用词表
stopwords-baidu	【中文】百度停用词表
stopwords-scu	【中文】四川大学机器智能实验室停用词库
tangshi	唐诗全集
songshi	宋诗全集
songci	宋词全集
lunyu	论语
shijing	诗经
nalanxingde	纳兰性德诗集
multi_movie_genre	多种电影类别分类

（陆续上传更多中文数据集）如果你有数据集，希望也能快速使用，请联系作者公众号 @春阳CYang。存储空间有限，先到先得！

使用方法和版本迭代

每个版本详细的变更日志和使用方法。

如果觉得有帮助，希望能给我个星星⭐️

协议

Apache License

Copyright on (c) 2022-present CYang