Conjuntos de datos de Hugging Face

Trabajar con Hugging Face

Jacob H. Marquez

Lead Data Engineer

conjuntos de datos de hf 1

¹ https://huggingface.co/datasets

conjuntos de datos de hf 2

¹ https://huggingface.co/datasets

Instalar el paquete Datasets

pip install datasets

🌐 Accede a
📥 Descarga
🔧 Usa
🤝 Comparte

conjuntos de datos de hf

¹ https://huggingface.co/docs/datasets/loading

Descargar un conjunto de datos

from datasets import load_dataset

data = load_dataset("IVN-RIN/BioBERT_Italian")

Parámetro split

data = load_dataset("IVN-RIN/BioBERT_Italian", split="train")

¹ https://huggingface.co/docs/datasets/v2.15.0/loading

Formatos de conjuntos de datos Apache Arrow

Conjunto de datos de Apache Arrow

¹ https://arrow.apache.org/overview/

Manipulación de datos

data = load_dataset("IVN-RIN/BioBERT_Italian", split="train")


# Filtrar el patrón " bella "
filtered = data.filter(lambda row: " bella " in row['text'])
print(filtered)

Dataset({
    features: ['text'],
    num_rows: 1122
})

¹ https://huggingface.co/docs/datasets/process#select-and-filter

Manipulación de datos

# Seleccionar las dos primeras filas
sliced = filtered.select(range(2))


print(sliced)

Dataset({features: ['text'], num_rows: 2})

# Extraer 'text' de la primera fila
print(sliced[0]['text'])

Concentrazioni atmosferiche di PCDD/PCDF...

¹ https://huggingface.co/docs/datasets/process#select-and-filter

¡Vamos a practicar!

Trabajar con Hugging Face