rg.Dataset¶
Dataset 类表示记录的集合。它用于在 Argilla 中存储和管理记录。
用法示例¶
创建数据集¶
要创建新的数据集,您需要定义其名称和设置。可选参数是 workspace 和 client,如果您想在特定的工作区或特定的 Argilla 实例上创建数据集。
dataset = rg.Dataset(
name="my_dataset",
settings=rg.Settings(
fields=[
rg.TextField(name="text"),
],
questions=[
rg.TextQuestion(name="response"),
],
),
)
dataset.create()
有关数据集创建和发布过程的详细指南,请参阅数据集操作指南。
检索现有数据集¶
要检索现有数据集,请改用 client.datasets("my_dataset")。
Dataset ¶
基类:Resource,HubImportExportMixin,DiskImportExportMixin
用于与 Argilla 数据集交互的类
属性
| 名称 | 类型 | 描述 |
|---|---|---|
name |
str
|
数据集的名称。 |
records |
DatasetRecords
|
数据集的记录对象。用于通过迭代、搜索等方式与数据集的记录进行交互。 |
settings |
Settings
|
数据集的设置对象。用于配置数据集的字段、问题、指南等。 |
fields |
list
|
数据集的字段,例如数据集的 |
questions |
list
|
在设置中定义的数据集的问题。例如,您希望标注员回答的 |
guidelines |
str
|
在设置中定义的数据集的指南。用于为标注员提供说明。 |
allow_extra_metadata |
bool
|
如果允许额外的元数据,则为 True,否则为 False。 |
src/argilla/datasets/_resource.py 中的源代码
37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 | |
__init__(name=None, workspace=None, settings=None, client=None) ¶
使用给定的参数初始化一个新的 Argilla Dataset 对象。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
name |
str
|
数据集的名称。如果未分配,则替换为随机 UUID。 |
无
|
workspace |
UUID
|
数据集的工作区。默认为服务器中找到的第一个工作区。 |
无
|
settings |
Settings
|
用于配置数据集的 Settings 类。 |
无
|
client |
Argilla
|
Argilla 实例,用于连接服务器。默认为默认客户端。 |
无
|
src/argilla/datasets/_resource.py 中的源代码
create() ¶
使用 Settings 配置在服务器上创建数据集。
返回值
| 名称 | 类型 | 描述 |
|---|---|---|
Dataset |
Dataset
|
已创建的数据集对象。 |
src/argilla/datasets/_resource.py 中的源代码
progress(with_users_distribution=False) ¶
返回团队在数据集上的进度。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
with_users_distribution |
bool
|
如果为 True,则返回带有用户分布的数据集进度。这包括每个用户做出的响应数。 |
False
|
返回值
| 名称 | 类型 | 描述 |
|---|---|---|
dict |
dict
|
团队在数据集上的进度。 |
当 with_users_distribution 为 True 时的响应示例
{
"total": 100,
"completed": 50,
"pending": 50,
"users": {
"user1": {
"completed": { "submitted": 10, "draft": 5, "discarded": 5},
"pending": { "submitted": 5, "draft": 10, "discarded": 10},
},
"user2": {
"completed": { "submitted": 20, "draft": 10, "discarded": 5},
"pending": { "submitted": 2, "draft": 25, "discarded": 0},
},
...
}
src/argilla/datasets/_resource.py 中的源代码
DiskImportExportMixin ¶
基类:ABC
用于将数据集导出和导入到磁盘的 mixin。
src/argilla/datasets/_io/_disk.py 中的源代码
33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 | |
to_disk(path, *, with_records=True) ¶
将数据集导出到给定路径的磁盘中。数据集导出为一个目录,其中包含数据集模型、设置和记录作为 json 文件。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
path |
str
|
要将数据集导出到的路径。必须是空目录。 |
必需 |
with_records |
bool
|
是否从 Hugging Face 数据集中加载记录。默认为 |
True
|
src/argilla/datasets/_io/_disk.py 中的源代码
from_disk(path, *, name=None, workspace=None, client=None, with_records=True) classmethod ¶
从磁盘导入数据集,磁盘上的数据集是一个目录,其中包含数据集模型、设置和记录。目录应使用 to_disk 方法定义。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
path |
str
|
包含数据集模型、设置和记录的目录的路径。 |
必需 |
name |
str
|
要分配给新数据集的名称。默认为 None,并使用数据集的源名称,除非它已存在,在这种情况下,将附加唯一的 UUID。 |
无
|
workspace |
Union[Workspace, str]
|
要将数据集导入到的工作区。默认为 None,并使用默认工作区。 |
无
|
client |
Argilla
|
用于导入的客户端。默认为 None,并使用默认客户端。 |
无
|
with_records |
bool
|
是否从 Hugging Face 数据集中加载记录。默认为 |
True
|
src/argilla/datasets/_io/_disk.py 中的源代码
HubImportExportMixin ¶
基类:DiskImportExportMixin
src/argilla/datasets/_io/_hub.py 中的源代码
43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 | |
to_hub(repo_id, *, with_records=True, generate_card=True, **kwargs) ¶
将 Dataset 推送到 Hugging Face Hub。如果数据集之前已推送到 Hugging Face Hub,则将更新它,而不是创建新的数据集仓库。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
repo_id |
str
|
要将 |
必需 |
with_records |
bool
|
是否从 Hugging Face 数据集中加载记录。默认为 |
True
|
generate_card |
Optional[bool]
|
是否为 Hugging Face Hub 中的 |
True
|
**kwargs |
Any
|
传递给 |
{}
|
返回值
| 类型 | 描述 |
|---|---|
无
|
无 |
src/argilla/datasets/_io/_hub.py 中的源代码
from_hub(repo_id, *, name=None, workspace=None, client=None, with_records=True, settings='ui', split=None, subset=None, **kwargs) classmethod ¶
从 Hugging Face Hub 加载 Dataset。
参数
| 名称 | 类型 | 描述 | 默认值 |
|---|---|---|---|
repo_id |
str
|
要从中加载 |
必需 |
name |
str
|
要分配给新数据集的名称。默认为 None,并使用数据集的源名称,除非它已存在,在这种情况下,将附加唯一的 UUID。 |
无
|
workspace |
Union[Workspace, str]
|
要将数据集导入到的工作区。默认为 None,并使用默认工作区。 |
无
|
client |
Optional[Argilla]
|
用于加载 |
无
|
with_records |
bool
|
是否从 Hugging Face 数据集中加载记录。默认为 |
True
|
settings |
Union[Settings, Literal['auto', 'ui']]
|
用于加载 |
'ui'
|
split |
Optional[str]
|
要从 Hugging Face 数据集中加载的 split。如果未提供,将加载第一个 split。 |
无
|
subset |
Optional[str]
|
要从 Hugging Face 数据集中加载的 subset。如果未提供,将加载第一个 subset。 |
无
|
**kwargs |
Any
|
传递给 |
{}
|
返回值
| 类型 | 描述 |
|---|---|
Union[Dataset, str]
|
从 Hugging Face Hub 加载的 |
src/argilla/datasets/_io/_hub.py 中的源代码
113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 | |