Mercado de datos · Mercados y tecnología

Conjunto de datos de repositorios de GitHub

Mapa pública GitHub repositorios, organizaciones, publicaciones, idiomas, temas y actividades para la investigación de ecosistemas de software.

Solicitud de muestra GitHub Los campos de visualización

RegistrosRepositorio · Organización · Liberación
FuenteGitHub
FormatosJSON · CSV · Parquet

Los repositorios y las organizaciones públicas de GitHub se convierten en registros estructurados de repositorios, versiones publicadas, lenguajes de programación, temas y actividad

Esquemas y campos

Construir en los registros GitHub con contexto adjunto.

repositorystring: Identidad del propietario y del repositorio
repository_urlurl: URL de fuente pública
descriptionstring: Resumen del repositorio público
languagesarray: Contexto lingüístico observado
topicsarray: Tópicos de los repositorios públicos
latest_releaseobject: Contexto de publicación pública disponible
activityobject: Las señales de actividad pública observadas
captured_attimestamp: Tiempo de recogida

Fresqueza y entrega

Mantenga los datos GitHub alineados con su ciclo de análisis.

Utilice una instantánea de ecosistemas datada o actualizaciones recurrentes cuando los repositorios, las publicaciones, los idiomas y la actividad pública deben compararse a lo largo del tiempo.

InstantáneaComienza con una línea de base datadaVisión de alcance y colección seleccionada

RefrescamientoRecibir actualizaciones recurrentesCadencia y cambio de comportamiento

FormatosUtilice JSON, CSV o ParquetEsquema, partición y manifiesto

ValidaciónEjecutar controles repetiblesCuentas, campos, estados faltantes y versión

GitHub solicitudes

Pon los registros GitHub en funcionamiento.

Mapeo de los ecosistemas tecnológicos

Comparar repositorios públicos, organizaciones, temas, idiomas y patrones de liberación.

Investigación de proyectos de código abierto

Construir registros de proyectos vinculados a la fuente para tecnologías, organizaciones o categorías seleccionadas.

Seguimiento de la liberación y la actividad

Realizar un seguimiento de las emisiones y actividades de los repositorios públicos recientemente observados en un ámbito controlado.

From sample to production

Prueba GitHub Registros de repositorios en su pila de datos.

01
Elige el alcance útil
Seleccione las entidades, mercados, campos, fechas y resultados de negocios que la colección debe admitir.
02
Ejecutar una muestra a través de su pila
Verifique identificadores, campos, juntas, estados faltantes y contexto de origen con sus propias consultas o modelos.
03
Establezca el patrón de entrega
Seleccione la instantánea o el calendario recurrente, formato de archivo, particiones, manifiesto y destino.

GitHub conjunto de datos FAQ

Planifique la colección correcta de repositorios GitHub.

¿Qué incluye el conjunto de datos de repositorios GitHub?

Mapa pública GitHub repositorios, organizaciones, publicaciones, idiomas, temas y actividades para la investigación de ecosistemas de software.

¿Qué puedo construir con los datos GitHub?

Mapeo de los ecosistemas tecnológicos
Investigación de proyectos de código abierto
Seguimiento de la liberación y la actividad

¿Cómo puede el conjunto de datos GitHub mantenerse actualizado?

Utilice una instantánea de ecosistemas datada o actualizaciones recurrentes cuando los repositorios, las publicaciones, los idiomas y la actividad pública deben compararse a lo largo del tiempo.

¿Cuándo debería usar la API GitHub en su lugar?

Utilice la API bajo demanda cuando su aplicación elija solicitudes individuales y tiempos. Elige este conjunto de datos para una instantánea preparada en masa o entrega recurrente de archivos.

Continúa el recorrido de datos

Conectar los datos GitHub con el caso de uso más amplio.

Comience con registros reales

Solicitar una muestra del conjunto de datos GitHub.

Indica las fuentes, campos, mercados y fechas que necesitas. Revisa una muestra antes de elegir la entrega.

Request a dataset sample Browse all datasets