استوديو البيانات

تتضمن كل صفحة مجموعة بيانات جدولًا يعرض محتويات المجموعة، مرتبة على شكل صفحات من 100 صفوف. يمكنك التنقل بين الصفحات باستخدام الأزرار في أسفل الجدول.

فحص توزيعات البيانات

في أعلى الأعمدة يمكنك رؤية الرسوم البيانية التي تمثل توزيع بياناتها. يمنحك هذا نظرة سريعة على مدى توازن فئاتك، وما هي نطاق وتوزيع البيانات الرقمية وأطوال النصوص، وما هي نسبة البيانات الناقصة في عمود معين.

تصفية حسب القيمة

عند النقر على شريط في مخطط توزيع من عمود رقمي، سيقوم عارض مجموعة البيانات بتصفية البيانات وعرض الصفوف التي تقع قيمها ضمن النطاق المحدد فقط. وبالمثل، إذا اخترت فئة واحدة من عمود فئوي، فسيتم عرض الصفوف من الفئة المحددة فقط.

البحث عن كلمة في مجموعة البيانات

يمكنك البحث عن كلمة في مجموعة البيانات من خلال كتابتها في شريط البحث أعلى الجدول. البحث غير حساس لحالة الأحرف وسيطابق أي صف يحتوي على الكلمة. يتم البحث في النص داخل الأعمدة من نوع string، حتى لو كانت القيم متداخلة داخل قاموس أو قائمة.

تشغيل استعلامات SQL على مجموعة البيانات

يمكنك تنفيذ استعلامات SQL على مجموعة البيانات في المتصفح باستخدام وحدة تحكم SQL. تستفيد هذه الميزة أيضًا من التحويل التلقائي إلى Parquet.

لمزيد من المعلومات، راجع دليلنا حول وحدة تحكم SQL. يمكنك تنفيذ استعلامات DuckDB SQL نفسها من سطر الأوامر باستخدام hf datasets sql أو باستخدام DuckDB مباشرة.

مشاركة صف محدد

يمكنك مشاركة صف محدد بالنقر عليه، ثم نسخ الرابط من شريط العنوان في متصفحك. على سبيل المثال، https://huggingface.co/datasets/nyu-mll/glue/viewer/mrpc/test?p=2&row=241 سيفتح استوديو مجموعة البيانات على مجموعة بيانات MRPC، على الجزء الاختباري، وعلى الصف 241.

تتبعات الوكيل

ادفع مسارات JSONL الخام من أدوات مثل Claude Code وCodex أو Pi إلى مجموعة بيانات لاستعراضها في Data Studio، أو مزامنتها مع Storage Bucket وفتح ملفات .jsonl الفردية هناك. كلا المسارين يستخدمان عارض المسارات نفسه للتنقل عبر الجلسات والدورات واستدعاءات الأدوات واستجابات النموذج. راجع Agent Traces لمعرفة الوكلاء المدعومين وعرض المسارات.

مجموعات بيانات كبيرة الحجم

يدعم عارض البيانات مجموعات البيانات الكبيرة، ولكن اعتماداً على صيغة البيانات، قد يعرض أول 5 جيجابايت فقط من مجموعة البيانات:

• لمجموعات بيانات Parquet: يعرض عارض المجموعة (Dataset Viewer) المجموعة كاملة، لكن الفرز والتصفية والبحث مفعّلان فقط على أول 5 غيغابايت.
• بالنسبة إلى مجموعات البيانات التي يتجاوز حجمها 5 غيغابايت بصيغ أخرى (مثل WebDataset أو JSON Lines): يعرض عارض مجموعة البيانات أول 5 غيغابايت فقط، وتُتاح خيارات الفرز والتصفية والبحث على هذه الـ 5 غيغابايت الأولى.

في هذه الحالة، يُظهر لك رسالة معلوماتية أن العارض جزئي. يجب أن يكون هذا العينة كبيرة بما يكفي لتمثيل مجموعة البيانات الكاملة بدقة، أخبرنا إذا كنت بحاجة إلى عينة أكبر.

الوصول إلى ملفات parquet

لتشغيل عارض البيانات، يتم تحويل تلقائيًا أول 5 جيجابايت من كل مجموعة بيانات إلى صيغة Parquet (ما لم تكن مجموعة البيانات بصيغة Parquet بالفعل). في عارض البيانات (على سبيل المثال، راجع GLUE)، يمكنك النقر على “Auto-converted to Parquet” للوصول إلى ملفات Parquet. يُرجى الرجوع إلى توثيق عارض البيانات لمعرفة كيفية الاستعلام عن ملفات parquet الخاصة بمجموعة البيانات باستخدام مكتبات مثل Polars أو Pandas أو DuckDB.

Parquet هو تنسيق تخزين أعمدي مُحسَّن للاستعلام ومعالجة مجموعات البيانات الكبيرة. يُعد Parquet خيارًا شائعًا لمعالجة البيانات الضخمة والتحليلات، ويُستخدم على نطاق واسع في معالجة البيانات وتعلم الآلة. يمكنك الاطلاع على المزيد حول المزايا المرتبطة بهذا التنسيق في التوثيق.

بوت التحويل

عند إنشاء مجموعة بيانات جديدة، يُعلمك روبوت parquet-converter بمجرد تحويل المجموعة إلى Parquet. ويوفر النقاش الذي يفتحه في المستودع تفاصيل حول تنسيق Parquet وروابط إلى ملفات Parquet.

الوصول البرمجي

يمكنك أيضاً الوصول إلى قائمة ملفات Parquet برمجياً باستخدام واجهة Hub API؛ فعلى سبيل المثال، يعرض نقطة النهاية https://huggingface.co/api/datasets/nyu-mll/glue/parquet ملفات parquet الخاصة بمجموعة البيانات nyu-mll/glue. ويوفر سطر الأوامر hf القائمة نفسها عبر hf datasets parquet، بينما يتيح hf datasets sql استعلام الملفات باستخدام SQL.

تتوفر لدينا أيضًا وثائق محددة حول واجهة برمجة تطبيقات عارض مجموعات البيانات، والتي يمكنك استدعاؤها مباشرةً. تتيح لك هذه الواجهة الوصول إلى محتويات وميتاداتا والإحصاءات الأساسية لجميع مجموعات بيانات Hugging Face Hub، وهي التي تقود واجهة المستخدم الأمامية لعارض مجموعات البيانات.

معاينة مجموعة البيانات

بالنسبة لأضخم مجموعات البيانات، تعرض الصفحة معاينة لأول 100 صفوف بدلاً من عارض كامل الميزات. لا تنطبق هذه القيود إلا على مجموعات البيانات التي يتجاوز حجمها 5 غيغابايت والتي ليست بصيغة Parquet بشكل أصلي أو التي لم يتم تحويلها تلقائياً إلى Parquet.

تضمين عارض مجموعة البيانات في صفحة ويب

يمكنك تضمين عارض مجموعة البيانات في صفحتك الخاصة باستخدام إطار iframe. الرابط الذي يجب استخدامه هو https://huggingface.co/datasets/<namespace>/<dataset-name>/embed/viewer، حيث <namespace> هو مالك مجموعة البيانات و<dataset-name> هو اسم مجموعة البيانات. يمكنك أيضًا تمرير معاملات أخرى مثل المجموعة الفرعية، أو التقسيم، أو المرشح، أو البحث، أو الصف المحدد.

لمزيد من المعلومات، راجع دليلنا حول كيفية تضمين عارض البيانات في صفحة ويب.

Configuration of the Dataset Viewer

لضمان عمل عارض البيانات بشكل صحيح لبياناتك، تأكد من أن بياناتك موجودة بتنسيق وهيكل مدعومين. يوجد أيضًا خيار لتكوين بياناتك باستخدام YAML.

يمكنك تحديد الملفات التي تريد عرضها في Dataset Viewer عن طريق إضافة كتلة إعدادات YAML في أعلى ملف README.md الخاص بمجموعتك. على سبيل المثال، لاختيار الملف الذي ينتمي إلى كل تقسيم:

---
configs:
- config_name: default
  data_files:
  - split: train
    path: "data.csv"
  - split: test
    path: "holdout.csv"
---

يمكنك أيضًا تحديد ملفات متعددة لكل تقسيم أو استخدام أنماط glob:

---
configs:
- config_name: default
  data_files:
  - split: train
    path:
    - "data/train_part1.csv"
    - "data/train_part2.csv"
  - split: test
    path: "data/*.csv"
---

في حالة مجموعات البيانات الخاصة، يكون عارض مجموعة البيانات مفعّلًا للمستخدمين PRO والمنظمات الفريقية أو المؤسسية.

لمزيد من المعلومات، راجع دليلنا حول كيفية تكوين عارض مجموعة البيانات.