Data Studio

Her veri seti sayfası, veri setinin içeriğini 100 satırlık sayfalar halinde düzenleyen bir tablo içerir. Tablonun altındaki düğmeleri kullanarak sayfalar arasında gezinebilirsiniz.

Veri dağılımlarını incele

Sütunların üst kısmında, verilerinin dağılımını temsil eden grafikleri görebilirsiniz. Bu, sınıflarınızın ne kadar dengeli olduğunu, sayısal verilerin ve metin uzunluklarının aralığı ile dağılımının nasıl olduğunu ve sütun verisinin ne kadarının eksik olduğunu hızlı bir şekilde anlamanızı sağlar.

Değere göre filtrele

Sayısal bir sütundan histogramın bir çubuğuna tıklarsanız, veri seti görüntüleyicisi verileri filtreler ve yalnızca seçilen aralığa giren değerlere sahip satırları gösterir. Benzer şekilde, kategorik bir sütundan bir sınıf seçerseniz, yalnızca seçilen kategoriden gelen satırları gösterir.

Veri setinde bir kelime ara

Tablonun üstündeki arama çubuğuna bir kelime yazarak veri setinde arama yapabilirsiniz. Arama büyük/küçük harf duyarsızdır ve kelimeyi içeren herhangi bir satırla eşleşir. Değerler bir sözlükte veya listede iç içe olsa bile metin, string sütunlarında aranır.

Veri setinde SQL sorguları çalıştırın

You can run SQL queries on the dataset in the browser using the SQL Console. This feature also leverages our auto-conversion to Parquet.

Daha fazla bilgi için SQL Konsolu rehberimize bakın. Aynı DuckDB SQL sorgularını hf datasets sql ile veya doğrudan DuckDB ile komut satırından çalıştırabilirsiniz.

Belirli bir satırı paylaş

Belirli bir satırı paylaşmak için üzerine tıklayıp ardından tarayıcınızın adres çubuğundaki URL'yi kopyalayabilirsiniz. Örneğin https://huggingface.co/datasets/nyu-mll/glue/viewer/mrpc/test?p=2&row=241 bağlantısı, MRPC veri setinde, test bölüntüsünde ve 241. satırda veri seti stüdyosunu açar.

Agent izleri

Claude Code, Codex veya Pi gibi araçlardan gelen ham JSONL izlerinizi bir veri setine aktararak Data Studio'da görüntüleyebilir veya bunları bir Storage Bucket'a senkronize ederek orada bireysel .jsonl dosyalarını açabilirsiniz. Her iki yol da oturumlar, turlar, araç çağrıları ve model yanıtları arasında adım adım ilerlemek için aynı iz görüntüleyicisini kullanır. Desteklenen ajanlar ve izleri görüntüleme hakkında Agent Traces bölümüne bakın.

Büyük ölçekli veri setleri

Dataset Viewer büyük ölçekli veri setlerini destekler ancak veri formatına bağlı olarak veri setinin yalnızca ilk 5 GB'ını gösterebilir:

• Parquet veri kümeleri için: Dataset Viewer veri kümesinin tamamını gösterir ancak sıralama, filtreleme ve arama yalnızca ilk 5 GB için etkinleştirilmiştir.
• Diğer formatlarda (ör. WebDataset veya JSON Lines) 5GB’tan büyük veri setleri için: Dataset Viewer yalnızca ilk 5GB’ı gösterir ve sıralama, filtreleme ve arama bu ilk 5GB üzerinde etkinleştirilir.

Bu durumda, bilgilendirici bir mesaj, Görüntüleyici'nin kısmi olduğunu bildirir. Bu, tam veri setini doğru bir şekilde temsil edecek kadar büyük bir örneklem olmalıdır; daha büyük bir örnekleme ihtiyacınız varsa bize bildirin.

Parquet dosyalarına erişin

Veri seti görüntüleyicisini çalıştırmak için, her veri setinin ilk 5 GB'ı otomatik olarak Parquet biçimine dönüştürülür (zaten bir Parquet veri seti değilse). Veri seti görüntüleyicide (örneğin GLUE'a bakın), Parquet dosyalarına erişmek için “Auto-converted to Parquet” öğesine tıklayabilirsiniz. Polars, Pandas veya DuckDB gibi kütüphanelerle veri seti Parquet dosyalarını nasıl sorgulayacağınızı öğrenmek için veri seti görüntüleyici belgelerine başvurun.

Parquet, büyük veri setlerinin sorgulanması ve işlenmesi için optimize edilmiş sütun tabanlı bir depolama biçimidir. Parquet, büyük veri işleme ve analitik için popüler bir seçimdir ve veri işleme ile makine öğreniminde yaygın olarak kullanılır. Bu biçimle ilişkili avantajlar hakkında daha fazla bilgiyi belgelerde bulabilirsiniz.

Dönüşüm botu

Yeni bir veri seti oluşturduğunuzda, parquet-converter botu veri setini Parquet biçimine dönüştürdüğünde size bir bildirim gönderir. Depoda açtığı tartışma, Parquet biçimi hakkında ayrıntılar ve Parquet dosyalarına bağlantılar içerir.

Programatik erişim

Parquet dosyalarının listesine Hub API aracılığıyla programatik olarak da erişebilirsiniz; örneğin https://huggingface.co/api/datasets/nyu-mll/glue/parquet uç noktası, nyu-mll/glue veri setinin parquet dosyalarını listeler. hf CLI, aynı listeyi hf datasets parquet ile sağlar ve hf datasets sql komutu dosyaları SQL ile sorgulamanıza olanak tanır.

Dataset Viewer API hakkında doğrudan çağrılabilen özel bir dokümantasyona da sahibiz. Bu API, Hugging Face Hub’daki tüm veri kümelerinin içeriğine, meta verilerine ve temel istatistiklerine erişmenizi sağlar ve Dataset viewer ön yüzünü destekler.

Veri kümesi önizlemesi

En büyük veri kümeleri için sayfa, tam özellikli bir görüntüleyici yerine ilk 100 satırın önizlemesini gösterir. Bu kısıtlama yalnızca 5 GB'tan büyük, yerel olarak Parquet biçiminde olmayan veya Parquet'e otomatik dönüştürülmemiş veri kümeleri için geçerlidir.

Veri Seti Görüntüleyiciyi bir web sayfasına yerleştirin

Dataset Viewer'ı kendi web sayfanızda bir iframe kullanarak gömebilirsiniz. Kullanılacak URL https://huggingface.co/datasets/<namespace>/<dataset-name>/embed/viewer şeklindedir; burada <namespace> veri setinin sahibini, <dataset-name> ise veri setinin adını belirtir. Ayrıca alt küme, split, filtre, arama veya seçili satır gibi diğer parametreleri de iletebilirsiniz.

Daha fazla bilgi için Dataset Viewer'ı bir web sayfasına nasıl gömebileceğinizi anlatan rehberimize göz atın.

Veri Seti Görüntüleyicisini Yapılandır

Veri setiniz için düzgün çalışan bir Dataset Viewer'a sahip olmak için, veri setinizin desteklenen bir biçimde ve yapıda olduğundan emin olun. Veri setinizi YAML kullanarak yapılandırma seçeneği de mevcuttur.

Dataset Viewer'da hangi dosyaların görüntüleneceğini belirtmek için veri setinizin README.md dosyasının başına bir YAML yapılandırma bloğu ekleyebilirsiniz. Örneğin, hangi dosyanın hangi bölüme gideceğini seçmek için:

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

Ayrıca her bölme için birden fazla dosya seçebilir veya glob desenleri kullanabilirsiniz:

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

özel veri kümeleri için Dataset Viewer, PRO kullanıcıları ve Team veya Enterprise kuruluşları için etkinleştirilmiştir.

Daha fazla bilgi için Dataset Viewer'ı nasıl yapılandırılır rehberimize göz atın.