Przejdź do treści
Biblioteka skilli
Dane i analityka · Research

huggingface-datasets

/huggingface-datasets

Przeszukuje zbiory danych Hugging Face przez API podglądu: listuje podzbiory, czyta wiersze, filtruje, szuka tekstu i pokazuje statystyki bez pobierania.

Repozytorium
skills ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
11.11.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
6
Przestarzałość

Brak sygnałów. Repozytorium zmienione 11.11.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Przeszukuje zbiory danych Hugging Face przez API podglądu: listuje podzbiory, czyta wiersze, filtruje, szuka tekstu i pokazuje statystyki bez pobierania.

Oryginalny opis (EN)

Queries Hugging Face datasets through the Dataset Viewer API: list subsets and splits, preview and paginate rows, search text, filter rows, get parquet links, sizes and column statistics, and run SQL on parquet. Use when the user wants to explore, sample, search or filter a Hub dataset, read its rows or statistics, or find its parquet files without downloading it.

Jak działa

  1. Core workflow
  2. Defaults
  3. Dataset Viewer
  4. Querying Datasets
  5. Creating and Uploading Datasets
Sekcje z nagłówków SKILL.md, w oryginale · 120 linii, 487 słów
Podgląd SKILL.md
---
name: huggingface-datasets
description: >-
  Queries Hugging Face datasets through the Dataset Viewer API: list subsets and splits, preview
  and paginate rows, search text, filter rows, get parquet links, sizes and column statistics, and
  run SQL on parquet. Use when the user wants to explore, sample, search or filter a Hub dataset,
  read its rows or statistics, or find its parquet files without downloading it.
---

# Hugging Face Dataset Viewer

Use this skill to execute read-only Dataset Viewer API calls for dataset exploration and extraction.

## Core workflow

1. Optionally validate dataset availability with `/is-valid`.
2. Resolve `config` + `split` with `/splits`.
3. Preview with `/first-rows`.
4. Paginate content with `/rows` using `offset` and `length` (max 100).
5. Use `/search` for text matching and `/filter` for row predicates.
6. Retrieve parquet links via `/parquet` and totals/metadata via `/size` and `/statistics`.

## Defaults

- Base URL: `https://datasets-server.huggingface.co`
- Default API method: `GET`
- Query params should be URL-encoded.
- `offset` is 0-based.
- `length` max is usually `100` for row-like endpoints.
- Gated/private datasets require `Authorization: Bearer <HF_TOKEN>`.

## Dataset Viewer

- `Validate dataset`: `/is-valid?dataset=<namespace/repo>`
- `List subsets and splits`: `/splits?dataset=<namespace/repo>`
- `Preview first rows`: `/first-rows?dataset=<namespace/repo>&config=<config>&split=<split>`
- `Paginate rows`: `/rows?dataset=<namespace/repo>&config=<config>&split=<split>&offset=<int>&length=<int>`
- `Search text`: `/search?dataset=<namespace/repo>&config=<config>&split=<split>&query=<text>&offset=<int>&length=<int>`
- `Filter with predicates`: `/filter?dataset=<namespace/repo>&config=<config>&split=<split>&where=<predicate>&orderby=<sort>&offset=<int>&length=<int>`
- `List parquet shards`: `/parquet?dataset=<namespace/repo>`
- `Get size totals`: `/size?dataset=<namespace/repo>`
- `Get column statistics`: `/statistics?dataset=<namespace/repo>&config=<config>&split=<split>`
- `Get Croissant metadata (if available)`: `/croissant?dataset=<namespace/repo>`

Pagination pattern:

```bash
curl "https://datasets-server.huggingface.co/rows?dataset=stanfordnlp/imdb&config=plain_text&split=train&offset=0&length=100"
curl "https://datasets-server.huggingface.co/rows?dataset=stanfordnlp/imdb&config=plain_text&split=train&offset=100&length=100"
```

When pagination is partial, use response fields such as `num_rows_total`, `num_rows_per_page`, and `partial` to drive continuation logic.

Search/filter notes:

- `/search` matches string columns (full-text style behavior is internal to the API).
- `/filter` requires predicate syntax in `where` and optional sort in `orderby`.
- Keep filtering and searches read-only and side-effect free.

## Querying Datasets

Use `npx parquetlens` with Hub parquet alias paths for SQL querying.

Parquet alias shape:

```text
hf://datasets/<namespace>/<repo>@~parquet/<config>/<split>/<shard>.parquet
```

Derive `<config>`, `<split>`, and `<shard>` from Dataset Viewer `/parquet`:

```bash
curl -s "https://datasets-server.huggingface.co/parquet?dataset=cfahlgren1/hub-stats" \
  | jq -r '.parquet_files[] | "hf://datasets/\(.dataset)@~parquet/\(.config)/\(.split)/\(.filename)"'
```

Run SQL query:

```bash
npx -y -p parquetlens -p @parquetlens/sql parquetlens \
  "hf://datasets/<namespace>/<repo>@~parquet/<config>/<split>/<shard>.parquet" \
  --sql "SELECT * FROM data LIMIT 20"
```

### SQL export

- CSV: `--sql "COPY (SELECT * FROM data LIMIT 1000) TO 'export.csv' (FORMAT CSV, HEADER, DELIMITER ',')"`
- JSON: `--sql "COPY (SELECT * FROM data LIMIT 1000) TO 'export.json' (FORMAT JSON)"`
- Parquet: `--sql "COPY (SELECT * FROM data LIMIT 1000) TO 'export.parquet' (FORMAT PARQUET)"`

## Creating and Uploading Datasets

Use this section only when the user requests dataset creation or upload. Exploration, preview, search, filtering and extraction remain read-only; never create a repo or upload data as a side effect of inspecting a dataset.

Use one of these flows depending on dependency constraints.

Zero local dependencies (Hub UI):

- Create dataset repo in browser: `https://huggingface.co/new-dataset`
- Upload parquet files in the repo "Files and versions" page.
- Verify shards appear in Dataset Viewer:

```bash
curl -s "https://datasets-server.huggingface.co/parquet?dataset=<namespace>/<repo>"
```

Low dependency CLI flow (`npx @huggingface/hub` / `hfjs`):

- Set auth token:

```bash
export HF_TOKEN=<your_hf_token>
```

- Upload parquet folder to a dataset repo (auto-creates repo if missing):

```bash
npx -y @huggingface/hub upload datasets/<namespace>/<repo> ./local/parquet-folder data
```

- Upload as private repo on creation:

```bash
npx -y @huggingface/hub upload datasets/<namespace>/<repo> ./local/parquet-folder data --private
```

After upload, call `/parquet` to discover `<config>/<split>/<shard>` values for querying with `@~parquet`.

Wersje

RepozytoriumWynikLicencja
Ta strona · The-Utopia-Studio/skills100Apache-2.0
FrancoStino/opencode-skills-collection100MIT
sickn33/agentic-awesome-skills100MIT
huggingface/skills100Apache-2.0
PracticalSwan/agent-skills100MIT
pinkpixel-dev/skills-collection-1100Apache-2.0
sandbaseai/sandbase-skills90Apache-2.0

Migawka bazy z 13.11.2026 · wersja paczki 03fe7e63d26f (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 95dataset-finder
    Wyszukuje i pobiera zbiory danych z Kaggle, Hugging Face, UCI ML Repository i Data.gov, pokazuje statystyki i generuje karty danych.
  • 100dataset-discovery
    Wyszukuje zbiory danych ML w HuggingFace Hub, OpenML, GitHubie i odnośnikach z publikacji pod zadanie badawcze.
  • 100fiftyone-dataset-export
    Eksportuje zbiory FiftyOne do formatów COCO, YOLO, VOC, CVAT i CSV oraz publikuje je na Hugging Face Hub.
  • 100huggingface-models-expert
    Dobiera, dostraja i wdraża modele Hugging Face z użyciem transformers, datasets i Inference Endpoints.
  • 98huggingface
    Pomaga korzystać z Hugging Face i bibliotek transformers, datasets, peft oraz huggingface_hub: ładowanie i uruchamianie modeli, fine-tuning, publikacja na Hubie i Inference API.
  • 100querying-big-datasets
    Analizuje zbiory zbyt duże na pandas przez SQL w DuckDB na zdalnych plikach Parquet, najpierw na próbkach i agregacjach.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.