Aller au contenu
Commencer gratuitement

Place de marché de données · Marchés et technologie

Ensemble de données des dépôts GitHub

Carte publique GitHub référentiels, organisations, versions, langues, sujets et activités de recherche sur les écosystèmes logiciels.

Demande de prélèvement GitHubchamps de vue
  • Les documentsRéférentiel · Organisation · Libération
  • SourceGitHub
  • Les formatsJSON · CSV · Parquet
Dataset preview · github repositoriesReady
Observation 01

An illustrative view of how repository, organization, rel…

.

Field 01
An illustrative view of how repository, organization, rel…
{
  "repository": "example-org/example-project",
  "repository_url": "https://example.test/repository",
  "description": "Illustrative repository record",
  "languages": [
    "JavaScript",
    "Python"
  ],
  "topics": [
    "data"
  ],
  "latest_release": {
    "tag": "v2.4.0"…
Une vue illustrative de la façon dont le contexte de référentiel, d'organisation, de libération et de collecte se regroupe.

Schéma et champs

Construire sur les enregistrements GitHub avec le contexte joint.

Commencez par le référentiel, l'organisation, la libération. L'identité de la source, le temps de collecte et le sens du champ restent connectés afin que les enregistrements puissent passer à l'analyse sans perdre leur contexte.

repository string

Identification du propriétaire et du dépositaire

repository_url url

URL de source publique

description string

Résumé du référentiel public

languages array

Context linguistique observé

topics array

Thèmes du référentiel public

latest_release object

Contextes de mise en ligne

activity object

Signes d'activité publique observés

captured_at timestamp

Temps de collecte

Fraîcheur et livraison

Gardez les données GitHub alignées sur votre cycle d'analyse.

Utilisez une capture instantanée d'un écosystème daté ou des mises à jour récurrentes lorsque les référentiels, les versions, les langues et l'activité publique doivent être comparés au fil du temps.

Une photo .Commencez à partir d' une date de référenceVentile de portée et de collecte sélectionnée

RessouffleRecevoir des mises à jour récurrentesCadence et changement de comportement

FormatUtilisez JSON, CSV ou ParquetSchéma, partition et manifeste

ValidationExécuter des contrôles répétablesCompte, champs, états manquants et version

GitHub demandes de réception

Mettez les dossiers GitHub au travail.

Utiliser des enregistrements liés à la source et marqués à l'heure pour la cartographie des écosystèmes technologiques, plus recherche de projet open source. Chaque application commence à partir des mêmes champs documentés et du même contexte de collecte.

01

Cartographie des écosystèmes technologiques

Comparer les référentiels publics, les organisations, les sujets, les langues et les modèles de diffusion.

02

Recherche de projets open source

Construire des enregistrements de projets liés à la source pour des technologies, des organisations ou des catégories sélectionnées.

03

Surveillance des décharges et de l'activité

Suivre les releases et l'activité du référentiel public nouvellement observés dans un champ de contrôle.

From sample to production

Testez GitHub les enregistrements des référentiels dans votre pile de données.

Commencez par des lignes représentatives, exécutez les joints et les calculs qui comptent, et modélisez la livraison autour du système qui consomme les données.

  1. 01

    Choisissez la portée utile

    Sélectionnez les entités, les marchés, les champs, les dates et les résultats des activités que la collection devrait prendre en charge.

  2. 02

    Faites passer un échantillon à travers votre pile

    Vérifiez les identifiants, les champs, les joints, les états manquants et le contexte source avec vos propres requêtes ou modèles.

  3. 03

    Définir le modèle de livraison

    Choisissez l'instantané ou l'horaire récurrent, le format du fichier, les partitions, le manifeste et la destination.

GitHub ensemble de données FAQ

Planifiez la bonne collecte de référentiels GitHub.

Qu'est-ce que le ensemble de données de référentiels GitHub comprend ?

Carte publique GitHub référentiels, organisations, versions, langues, sujets et activités pour la recherche sur les écosystèmes logiciels.

Que puis-je construire avec les données GitHub ?

Les applications courantes comprennent la cartographie des écosystèmes technologiques, la recherche de projets open source, la diffusion et le suivi des activités.

Comment le ensemble de données GitHub peut-il rester actuel ?

Utilisez une capture instantanée d'un écosystème daté ou des mises à jour récurrentes lorsque les référentiels, les versions, les langues et l'activité publique doivent être comparés au fil du temps.

Quand devrais-je utiliser l'API GitHub à la place ?

Utilisez l'API sur demande lorsque votre application choisit des demandes individuelles et le calendrier. Choisissez cet ensemble de données pour une prise de vue en vrac préparée ou une livraison récurrente de fichiers.

Continuez le parcours des données

Connectez les données GitHub à l'utilisation plus large.

Comparer l'ensemble de données adjacente, ouvrir l'API source ou continuer dans les pages de données, de l'industrie et des solutions pertinentes.

Commencez par des enregistrements réels.

Demandez un échantillon de l'ensemble de données GitHub.

Dites-nous quelles données de référentiel et d'organisation vous avez besoin, plus les marchés, les champs, les dates et la destination.

Request a dataset sample Browse all datasets