# Métodos de carga

Métodos para listar y cargar conjuntos de datos:

## Conjuntos de datos[[datasets.load_dataset]]

#### datasets.load_dataset[[datasets.load_dataset]]

```python
datasets.load_dataset(path: str, name: typing.Optional[str] = None, data_dir: typing.Optional[str] = None, data_files: typing.Union[str, collections.abc.Sequence[str], collections.abc.Mapping[str, typing.Union[str, collections.abc.Sequence[str]]], NoneType] = None, split: typing.Union[str, datasets.splits.Split, list[str], list[datasets.splits.Split], NoneType] = None, cache_dir: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, verification_mode: typing.Union[datasets.utils.info_utils.VerificationMode, str, NoneType] = None, keep_in_memory: typing.Optional[bool] = None, save_infos: bool = False, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, streaming: bool = False, num_proc: typing.Optional[int] = None, storage_options: typing.Optional[dict] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/load.py#L1446)

**Parámetros:**

path (`str`) : Ruta o nombre del conjunto de datos.  - si `path` es un repositorio de conjuntos de datos en el HF hub (lista todos los conjuntos de datos disponibles con `huggingface_hub.list_datasets`) -> carga el conjunto de datos desde los archivos admitidos en el repositorio (csv, json, parquet, etc.) p. ej. `'username/dataset_name'`, un repositorio de conjuntos de datos en el HF hub que contiene los archivos de datos.  - si `path` es un directorio dentro de un Storage Bucket en el HF Hub (lista tus buckets con `huggingface_hub.list_buckets`) -> carga el conjunto de datos desde los archivos admitidos en el directorio (csv, json, parquet, etc.) p. ej. `'buckets/username/bucket_name/my_dataset'`.  - si `path` es un directorio local -> carga el conjunto de datos desde los archivos admitidos en el directorio (csv, json, parquet, etc.) p. ej. `'./path/to/directory/with/my/csv/data'`.  - si `path` es el nombre de un constructor de conjuntos de datos y se especifica `data_files` o `data_dir` (los constructores disponibles son "json", "csv", "parquet", "arrow", "text", "xml", "webdataset", "imagefolder", "audiofolder", "videofolder", "meshfolder") -> carga el conjunto de datos desde los archivos en `data_files` o `data_dir` p. ej. `'parquet'`.  Usa una ruta `hf://` como `'hf://datasets/username/dataset_name'` para permitir solo remoto. Usa una ruta absoluta para permitir solo local.

name (`str`, *opcional*) : Define el nombre de la configuración del conjunto de datos.

data_dir (`str`, *opcional*) : Define el `data_dir` de la configuración del conjunto de datos. Si se especifica para los constructores genéricos (csv, text, etc.) o para los conjuntos de datos del Hub y `data_files` es `None`, el comportamiento es igual al de pasar `os.path.join(data_dir, **)` como `data_files` para hacer referencia a todos los archivos de un directorio.

data_files (`str` o `Sequence` o `Mapping`, *opcional*) : Ruta(s) al archivo(s) de datos de origen.

split (`Split` o `str`) : Qué división de los datos cargar. Si es `None`, devolverá un `dict` con todas las divisiones (típicamente `datasets.Split.TRAIN` y `datasets.Split.TEST`). Si se especifica, devolverá un único Dataset. Las divisiones pueden combinarse y especificarse como en tensorflow-datasets.

cache_dir (`str`, *opcional*) : Directorio para leer/escribir datos. El valor predeterminado es `"~/.cache/huggingface/datasets"`.

features (`Features`, *opcional*) : Establece el tipo de características a usar para este conjunto de datos.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadConfig), *opcional*) : Parámetros específicos de configuración de descarga.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadMode) o `str`, por defecto `REUSE_DATASET_IF_EXISTS`) : Modo de descarga/generación.

verification_mode ([VerificationMode](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.VerificationMode) o `str`, por defecto `BASIC_CHECKS`) : Modo de verificación que determina las comprobaciones a ejecutar sobre la información del dataset descargado/procesado (sumas de verificación/tamaño/divisiones/...).

keep_in_memory (`bool`, por defecto `None`) : Si se debe copiar el conjunto de datos en memoria. Si es `None`, el conjunto de datos no se copiará en memoria a menos que se habilite explícitamente estableciendo `datasets.config.IN_MEMORY_MAX_SIZE` en un valor distinto de cero. Consulte más detalles en la sección [mejorar el rendimiento](../cache#improve-performance).

revision ([Versión](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.Version) o `str`, *opcional*) : Versión del conjunto de datos a cargar. Dado que los conjuntos de datos tienen su propio repositorio git en el Datasets Hub, la versión predeterminada "main" corresponde a su rama "main". Puede especificar una versión diferente a la predeterminada "main" utilizando un SHA de commit o una etiqueta git del repositorio del conjunto de datos.

token (`str` o `bool`, *opcional*) : Cadena o booleano opcional para usar como token Bearer para archivos remotos en el Datasets Hub. Si es `True`, o no se especifica, se obtendrá el token de `"~/.huggingface"`.

streaming (`bool`, por defecto `False`) : Si se establece en `True`, no se descargan los archivos de datos. En su lugar, los datos se transmiten de forma progresiva mientras se itera sobre el conjunto de datos. En este caso, se devuelve un [IterableDataset](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDataset) o un [IterableDatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDatasetDict). Tenga en cuenta que la transmisión funciona con conjuntos de datos que utilizan formatos de datos que admiten iteración, como txt, csv, jsonl, por ejemplo. Los archivos Json pueden descargarse por completo. También se admite la transmisión desde archivos remotos zip o gzip, pero otros formatos comprimidos como rar y xz aún no son compatibles. El formato tgz no permite la transmisión.

num_proc (`int`, *opcional*, valor predeterminado `None`) : Número de procesos al descargar y generar el conjunto de datos localmente. El procesamiento multiproceso está deshabilitado de forma predeterminada.

storage_options (`dict`, *opcional*, valor predeterminado `None`) : **Experimental**. Pares clave/valor que se pasarán al backend del sistema de archivos del conjunto de datos, si lo hay.

- ****config_kwargs** (argumentos de palabra clave adicionales) : Argumentos de palabra clave que se pasarán al `BuilderConfig` y se usarán en el [DatasetBuilder](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DatasetBuilder).

**Devuelve:** [Dataset](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset) o [DatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.DatasetDict)

- si `split` no es `None`: el conjunto de datos solicitado,
- si `split` es `None`, un [DatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.DatasetDict) con cada split.

o [IterableDataset](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDataset) o [IterableDatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDatasetDict): si `streaming=True`

- si `split` no es `None`, se solicita el conjunto de datos
- si `split` es `None`, un `~datasets.streaming.IterableDatasetDict` con cada split.

Carga un conjunto de datos desde el Hugging Face Hub o un conjunto de datos local.

Puedes encontrar la lista de conjuntos de datos en el [Hub](https://huggingface.co/datasets) o con `huggingface_hub.list_datasets`.

Un conjunto de datos es un directorio que contiene algunos archivos de datos en formatos genéricos (JSON, CSV, Parquet, etc.) y posiblemente en una estructura genérica (Webdataset, ImageFolder, AudioFolder, VideoFolder, MeshFolder, etc.)

Esta función realiza lo siguiente por debajo:

1. Cargar un constructor de conjuntos de datos:

   * Encuentra el formato de datos más común en el conjunto de datos y elige su constructor asociado (JSON, CSV, Parquet, Webdataset, ImageFolder, AudioFolder, MeshFolder, etc.)
   * Encuentra en qué división (p. ej., train/test) va cada archivo en función de los nombres de archivo y directorio o de la configuración YAML
   * También es posible especificar `data_files` manualmente y qué constructor de conjunto de datos se debe usar (p. ej. "parquet").

2. Ejecuta el constructor de conjuntos de datos:

   En el caso general:

   * Descargue los archivos de datos del conjunto de datos si no están disponibles localmente ni en caché.
   * Procesar y almacenar en caché el conjunto de datos en tablas Arrow tipadas para la caché.

     Las tablas Arrow son tablas tipadas de longitud arbitraria que pueden almacenar objetos anidados y mapearse a tipos genéricos de numpy/pandas/python. Se pueden acceder directamente desde el disco, cargarlas en RAM o incluso transmitirlas por la web.

   En el caso de streaming:

   * No descargue ni almacene en caché nada. En su lugar, el conjunto de datos se carga de forma perezosa y se transmitirá en tiempo real al iterar sobre él.

3. Devuelve un conjunto de datos construido a partir de las divisiones solicitadas en `split` (predeterminado: todas).

Ejemplo:

Cargar un conjunto de datos desde el Hugging Face Hub:

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('cornell-movie-review-data/rotten_tomatoes', split='train')

# Load a subset or dataset configuration (here 'sst2')
>>> from datasets import load_dataset
>>> ds = load_dataset('nyu-mll/glue', 'sst2', split='train')

# Manual mapping of data files to splits
>>> data_files = {'train': 'train.csv', 'test': 'test.csv'}
>>> ds = load_dataset('namespace/your_dataset_name', data_files=data_files)

# Manual selection of a directory to load
>>> ds = load_dataset('namespace/your_dataset_name', data_dir='folder_name')
```

Cargar un conjunto de datos desde un Storage Bucket en el Hugging Face Hub:

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('buckets/username/bucket_name/rotten_tomatoes', split='train')
```

Cargar un conjunto de datos local:

```py
# Load a CSV file
>>> from datasets import load_dataset
>>> ds = load_dataset('csv', data_files='path/to/local/my_dataset.csv')

# Load a JSON file
>>> from datasets import load_dataset
>>> ds = load_dataset('json', data_files='path/to/local/my_dataset.json')
```

Cargar un [IterableDataset](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.IterableDataset):

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('cornell-movie-review-data/rotten_tomatoes', split='train', streaming=True)
```

Carga un conjunto de datos de imágenes con el creador de conjuntos de datos `ImageFolder`:

```py
>>> from datasets import load_dataset
>>> ds = load_dataset('imagefolder', data_dir='/path/to/images', split='train')
```

#### datasets.load_from_disk[[datasets.load_from_disk]]

```python
datasets.load_from_disk(dataset_path: typing.Union[str, bytes, os.PathLike], keep_in_memory: typing.Optional[bool] = None, storage_options: typing.Optional[dict] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/load.py#L1704)

**Parámetros:**

dataset_path (`path-like`) : Path (p. ej. `"dataset/train"`) o URI remoto (p. ej. `"s3://my-bucket/dataset/train"`) del directorio de [Dataset](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset) o [DatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.DatasetDict) desde el que se cargará el dataset/dataset-dict.

keep_in_memory (`bool`, por defecto `None`) : Si se debe copiar el conjunto de datos en memoria. Si es `None`, el conjunto de datos no se copiará en memoria a menos que se habilite explícitamente estableciendo `datasets.config.IN_MEMORY_MAX_SIZE` en un valor distinto de cero. Consulte más detalles en la sección [mejorar el rendimiento](../cache#improve-performance).

storage_options (`dict`, *opcional*) : Pares clave/valor que se pasarán al backend del sistema de archivos, si lo hay.

**Devuelve:** [Dataset](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset) o [DatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.DatasetDict)

- Si `dataset_path` es la ruta de un directorio de datos: el conjunto de datos solicitado.
- Si `dataset_path` es la ruta de un directorio de diccionario de datos, un [DatasetDict](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.DatasetDict) con cada división.

Carga un conjunto de datos que se guardó previamente con [save_to_disk()](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Dataset.save_to_disk) desde un directorio de datos, o desde un sistema de archivos usando cualquier implementación de `fsspec.spec.AbstractFileSystem`.

Ejemplo:

```py
>>> from datasets import load_from_disk
>>> ds = load_from_disk('path/to/dataset/directory')
```

#### datasets.load_dataset_builder[[datasets.load_dataset_builder]]

```python
datasets.load_dataset_builder(path: str, name: typing.Optional[str] = None, data_dir: typing.Optional[str] = None, data_files: typing.Union[str, collections.abc.Sequence[str], collections.abc.Mapping[str, typing.Union[str, collections.abc.Sequence[str]]], NoneType] = None, cache_dir: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, storage_options: typing.Optional[dict] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/load.py#L1187)

**Parámetros:**

path (`str`) : Ruta o nombre del conjunto de datos.  - si `path` es un repositorio de conjuntos de datos en el HF hub (lista todos los conjuntos de datos disponibles con `huggingface_hub.list_datasets`) -> carga el constructor del conjunto de datos desde los archivos admitidos en el repositorio (csv, json, parquet, etc.) p. ej. `'username/dataset_name'`, un repositorio de conjuntos de datos en el HF hub que contiene los archivos de datos.  - si `path` es un directorio dentro de un Storage Bucket en el HF Hub (lista tus buckets con `huggingface_hub.list_buckets`) -> carga el conjunto de datos desde los archivos admitidos en el directorio (csv, json, parquet, etc.) p. ej. `'buckets/username/bucket_name/my_dataset'`.  - si `path` es un directorio local -> carga el constructor del conjunto de datos desde los archivos admitidos en el directorio (csv, json, parquet, etc.) p. ej. `'./path/to/directory/with/my/csv/data'`.  - si `path` es el nombre de un constructor de conjuntos de datos y se especifica `data_files` o `data_dir` (los constructores disponibles son "json", "csv", "parquet", "arrow", "text", "xml", "webdataset", "imagefolder", "audiofolder", "videofolder", "meshfolder") -> carga el constructor del conjunto de datos desde los archivos en `data_files` o `data_dir` p. ej. `'parquet'`.  Usa una ruta `hf://` como `'hf://datasets/username/dataset_name'` para permitir solo remoto. Usa una ruta absoluta para permitir solo local.

name (`str`, *opcional*) : Define el nombre de la configuración del conjunto de datos.

data_dir (`str`, *opcional*) : Define el `data_dir` de la configuración del conjunto de datos. Si se especifica para los constructores genéricos (csv, text, etc.) o para los conjuntos de datos del Hub y `data_files` es `None`, el comportamiento es igual al de pasar `os.path.join(data_dir, **)` como `data_files` para hacer referencia a todos los archivos de un directorio.

data_files (`str` o `Sequence` o `Mapping`, *opcional*) : Ruta(s) al archivo(s) de datos de origen.

cache_dir (`str`, *opcional*) : Directorio para leer/escribir datos. El valor predeterminado es `"~/.cache/huggingface/datasets"`.

features ([Características](/docs/datasets/v5.2.0/es/package_reference/main_classes#datasets.Features), *opcional*) : Establece el tipo de características a usar para este conjunto de datos.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadConfig), *opcional*) : Parámetros específicos de configuración de descarga.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadMode) o `str`, por defecto `REUSE_DATASET_IF_EXISTS`) : Modo de descarga/generación.

revision ([Versión](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.Version) o `str`, *opcional*) : Versión del conjunto de datos a cargar. Dado que los conjuntos de datos tienen su propio repositorio git en el Datasets Hub, la versión predeterminada "main" corresponde a su rama "main". Puede especificar una versión diferente a la predeterminada "main" utilizando un SHA de commit o una etiqueta git del repositorio del conjunto de datos.

token (`str` o `bool`, *opcional*) : Cadena o booleano opcional para usar como token Bearer para archivos remotos en el Datasets Hub. Si es `True`, o no se especifica, se obtendrá el token de `"~/.huggingface"`.

storage_options (`dict`, *opcional*, valor predeterminado `None`) : **Experimental**. Pares clave/valor que se pasarán al backend del sistema de archivos del conjunto de datos, si lo hay.

- ****config_kwargs** (argumentos de palabra clave adicionales) : Argumentos de palabra clave que se pasarán al [BuilderConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.BuilderConfig) y se usarán en el [DatasetBuilder](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DatasetBuilder).

**Devuelve:**

[DatasetBuilder](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DatasetBuilder)

Cargue un constructor de conjuntos de datos que se puede usar para:

- Inspeccionar la información general necesaria para construir un conjunto de datos (directorio de caché, configuración, información del conjunto de datos, características, archivos de datos, etc.)
- Descargue y prepare el conjunto de datos como archivos Arrow en la caché
- Obtén un conjunto de datos de streaming sin descargar ni cachear nada

Puedes encontrar la lista de conjuntos de datos en el [Hub](https://huggingface.co/datasets) o con `huggingface_hub.list_datasets`.

Un conjunto de datos es un directorio que contiene algunos archivos de datos en formatos genéricos (JSON, CSV, Parquet, etc.) y posiblemente en una estructura genérica (Webdataset, ImageFolder, AudioFolder, VideoFolder, MeshFolder, etc.)

Ejemplo:

```py
>>> from datasets import load_dataset_builder
>>> ds_builder = load_dataset_builder('cornell-movie-review-data/rotten_tomatoes')
>>> ds_builder.info.features
{'label': ClassLabel(names=['neg', 'pos']),
 'text': Value('string')}
```

#### datasets.get_dataset_config_names[[datasets.get_dataset_config_names]]

```python
datasets.get_dataset_config_names(path: str, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, data_files: typing.Union[str, list, dict, NoneType] = None, **download_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/inspect.py#L109)

**Parámetros:**

path (`str`) : ruta al repositorio del conjunto de datos. Puede ser:  - una ruta local al directorio del conjunto de datos que contiene los archivos de datos, p. ej. `'./dataset/squad'` - un identificador de conjunto de datos en Hugging Face Hub (lista todos los conjuntos de datos e ids disponibles con `huggingface_hub.list_datasets`), p. ej. `'rajpurkar/squad'`, `'nyu-mll/glue'` o``'openai/webtext'`

revision (`Union[str, datasets.Version]`, *opcional*) : Si se especifica, el módulo de datos se cargará desde el repositorio de datasets en esta versión. De forma predeterminada: - se establece en la versión local de la lib. - también intentará cargarlo desde la rama principal si no está disponible en la versión local de la lib. Especificar una versión diferente de la versión local de la lib podría causar problemas de compatibilidad.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadConfig), *opcional*) : Parámetros específicos de configuración de descarga.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadMode) o `str`, por defecto `REUSE_DATASET_IF_EXISTS`) : Modo de descarga/generación.

data_files (`Union[Dict, List, str]`, *opcional*) : Define los data_files de la configuración del conjunto de datos.

- ****download_kwargs** (argumentos de palabra clave adicionales): Atributos opcionales para [DownloadConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadConfig) que sobrescribirán los atributos en `download_config` si se proporcionan, por ejemplo `token`.

Obtén la lista de nombres de configuración disponibles para un conjunto de datos en particular.

Ejemplo:

```py
>>> from datasets import get_dataset_config_names
>>> get_dataset_config_names("nyu-mll/glue")
['cola',
 'sst2',
 'mrpc',
 'qqp',
 'stsb',
 'mnli',
 'mnli_mismatched',
 'mnli_matched',
 'qnli',
 'rte',
 'wnli',
 'ax']
```

#### datasets.get_dataset_infos[[datasets.get_dataset_infos]]

```python
datasets.get_dataset_infos(path: str, data_files: typing.Union[str, list, dict, NoneType] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/inspect.py#L42)

**Parámetros:**

path (`str`) : ruta al repositorio del conjunto de datos. Puede ser:  - una ruta local al directorio del conjunto de datos que contiene los archivos de datos, p. ej. `'./dataset/squad'` - un identificador de conjunto de datos en Hugging Face Hub (lista todos los conjuntos de datos e ids disponibles con `huggingface_hub.list_datasets`), p. ej. `'rajpurkar/squad'`, `'nyu-mll/glue'` o``'openai/webtext'`

revision (`Union[str, datasets.Version]`, *opcional*) : Si se especifica, el módulo de datos se cargará desde el repositorio de datasets en esta versión. De forma predeterminada: - se establece en la versión local de la lib. - también intentará cargarlo desde la rama principal si no está disponible en la versión local de la lib. Especificar una versión diferente de la versión local de la lib podría causar problemas de compatibilidad.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadConfig), *opcional*) : Parámetros específicos de configuración de descarga.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadMode) o `str`, por defecto `REUSE_DATASET_IF_EXISTS`) : Modo de descarga/generación.

data_files (`Union[Dict, List, str]`, *opcional*) : Define los data_files de la configuración del conjunto de datos.

token (`str` o `bool`, *opcional*) : Cadena o booleano opcional para usar como token Bearer para archivos remotos en el Datasets Hub. Si es `True`, o no se especifica, se obtendrá el token de `"~/.huggingface"`.

- ****config_kwargs** (argumentos de palabra clave adicionales) : Atributos opcionales para la clase de constructor que sobrescribirán los atributos si se proporcionan.

Obtén la metainformación sobre un conjunto de datos, devuelta como un diccionario que mapea el nombre de la configuración a DatasetInfoDict.

Ejemplo:

```py
>>> from datasets import get_dataset_infos
>>> get_dataset_infos('cornell-movie-review-data/rotten_tomatoes')
{'default': DatasetInfo(description="Movie Review Dataset.
 is a dataset of containing 5,331 positive and 5,331 negative processed
ences from Rotten Tomatoes movie reviews...), ...}
```

#### datasets.get_dataset_split_names[[datasets.get_dataset_split_names]]

```python
datasets.get_dataset_split_names(path: str, config_name: typing.Optional[str] = None, data_files: typing.Union[str, collections.abc.Sequence[str], collections.abc.Mapping[str, typing.Union[str, collections.abc.Sequence[str]]], NoneType] = None, download_config: typing.Optional[datasets.download.download_config.DownloadConfig] = None, download_mode: typing.Union[datasets.download.download_manager.DownloadMode, str, NoneType] = None, revision: typing.Union[datasets.utils.version.Version, str, NoneType] = None, token: typing.Union[bool, str, NoneType] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/inspect.py#L295)

**Parámetros:**

path (`str`) : ruta al repositorio del conjunto de datos. Puede ser:  - una ruta local al directorio del conjunto de datos que contiene los archivos de datos, p. ej. `'./dataset/squad'` - un identificador de conjunto de datos en Hugging Face Hub (lista todos los conjuntos de datos e ids disponibles con `huggingface_hub.list_datasets`), p. ej. `'rajpurkar/squad'`, `'nyu-mll/glue'` o``'openai/webtext'`

config_name (`str`, *opcional*) : Define el nombre de la configuración del conjunto de datos.

data_files (`str` o `Sequence` o `Mapping`, *opcional*) : Ruta(s) al archivo(s) de datos de origen.

download_config ([DownloadConfig](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadConfig), *opcional*) : Parámetros específicos de configuración de descarga.

download_mode ([DownloadMode](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.DownloadMode) o `str`, por defecto `REUSE_DATASET_IF_EXISTS`) : Modo de descarga/generación.

revision ([Versión](/docs/datasets/v5.2.0/es/package_reference/builder_classes#datasets.Version) o `str`, *opcional*) : Versión del conjunto de datos a cargar. Dado que los conjuntos de datos tienen su propio repositorio git en el Datasets Hub, la versión predeterminada "main" corresponde a su rama "main". Puede especificar una versión diferente a la predeterminada "main" utilizando un SHA de commit o una etiqueta git del repositorio del conjunto de datos.

token (`str` o `bool`, *opcional*) : Cadena o booleano opcional para usar como token Bearer para archivos remotos en el Datasets Hub. Si es `True`, o no se especifica, se obtendrá el token de `"~/.huggingface"`.

- ****config_kwargs** (argumentos de palabra clave adicionales) : Atributos opcionales para la clase de constructor que sobrescribirán los atributos si se proporcionan.

Obtén la lista de divisiones disponibles para una configuración y un conjunto de datos específicos.

Ejemplo:

```py
>>> from datasets import get_dataset_split_names
>>> get_dataset_split_names('cornell-movie-review-data/rotten_tomatoes')
['train', 'validation', 'test']
```

## Desde archivos

Configuraciones utilizadas para cargar archivos de datos. Se usan al cargar archivos locales o un repositorio de conjuntos de datos:

- archivos locales: `load_dataset("parquet", data_dir="path/to/data/dir")`
- repositorio de datos: `load_dataset("allenai/c4")`

Puedes pasar argumentos a `load_dataset` para configurar la carga de datos. Por ejemplo, puedes especificar el parámetro `sep` para definir la [CsvConfig](/docs/datasets/v5.2.0/es/package_reference/loading_methods#datasets.packaged_modules.csv.CsvConfig) que se utiliza para cargar los datos:

```python
load_dataset("csv", data_dir="path/to/data/dir", sep="\t")
```

### Texto[[datasets.packaged_modules.text.TextConfig]]

#### datasets.packaged_modules.text.TextConfig[[datasets.packaged_modules.text.TextConfig]]

```python
datasets.packaged_modules.text.TextConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, encoding: str = 'utf-8', encoding_errors: typing.Optional[str] = None, chunksize: int = 10485760, keep_linebreaks: bool = False, sample_by: typing.Literal['line', 'paragraph', 'document'] = 'line')
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/text/text.py#L17)

**Parámetros:**

features : (`Features`, *opcional*): Convierte los datos a `features`.

encoding : (`str`, por defecto "utf-8"): Codificación para decodificar el archivo.

encoding_errors : (`str`, *opcional*): Argumento para definir qué hacer en caso de error de codificación. Es lo mismo que el argumento `error` en `open()`.

chunksize : (`Features`, *opcional*, valor predeterminado "10MB"): Tamaño de bloque para leer los datos.

keep_linebreaks : (`bool`, por defecto False): Si se conservan los saltos de línea.

sample_by (`Literal["line", "paragraph", "document"]`, por defecto "line") : Si se cargan los datos por línea, párrafo o documento. Por defecto, una fila en el conjunto de datos = una línea.

BuilderConfig para archivos de texto.

#### datasets.packaged_modules.text.Text[[datasets.packaged_modules.text.Text]]

```python
datasets.packaged_modules.text.Text(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/text/text.py#L45)

### CSV[[datasets.packaged_modules.csv.CsvConfig]]

#### datasets.packaged_modules.csv.CsvConfig[[datasets.packaged_modules.csv.CsvConfig]]

```python
datasets.packaged_modules.csv.CsvConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, sep: str = ',', delimiter: typing.Optional[str] = None, header: typing.Union[int, list[int], str, NoneType] = 'infer', names: typing.Optional[list[str]] = None, column_names: typing.Optional[list[str]] = None, index_col: typing.Union[int, str, list[int], list[str], NoneType] = None, usecols: typing.Union[list[int], list[str], NoneType] = None, prefix: typing.Optional[str] = None, mangle_dupe_cols: bool = True, engine: typing.Optional[typing.Literal['c', 'python', 'pyarrow']] = None, converters: dict = None, true_values: typing.Optional[list] = None, false_values: typing.Optional[list] = None, skipinitialspace: bool = False, skiprows: typing.Union[int, list[int], NoneType] = None, nrows: typing.Optional[int] = None, na_values: typing.Union[str, list[str], NoneType] = None, keep_default_na: bool = True, na_filter: bool = True, verbose: bool = False, skip_blank_lines: bool = True, thousands: typing.Optional[str] = None, decimal: str = '.', lineterminator: typing.Optional[str] = None, quotechar: str = '"', quoting: int = 0, escapechar: typing.Optional[str] = None, comment: typing.Optional[str] = None, encoding: typing.Optional[str] = None, dialect: typing.Optional[str] = None, error_bad_lines: bool = True, warn_bad_lines: bool = True, skipfooter: int = 0, doublequote: bool = True, memory_map: bool = False, float_precision: typing.Optional[str] = None, chunksize: int = 10000, features: typing.Optional[datasets.features.features.Features] = None, encoding_errors: typing.Optional[str] = 'strict', on_bad_lines: typing.Literal['error', 'warn', 'skip'] = 'error', date_format: typing.Optional[str] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/csv/csv.py#L25)

BuilderConfig para CSV.

#### datasets.packaged_modules.csv.Csv[[datasets.packaged_modules.csv.Csv]]

```python
datasets.packaged_modules.csv.Csv(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/csv/csv.py#L145)

### JSON[[datasets.packaged_modules.json.JsonConfig]]

#### datasets.packaged_modules.json.JsonConfig[[datasets.packaged_modules.json.JsonConfig]]

```python
datasets.packaged_modules.json.JsonConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, encoding: str = 'utf-8', encoding_errors: typing.Optional[str] = None, field: typing.Optional[str] = None, use_threads: bool = True, block_size: typing.Optional[int] = None, chunksize: int = 10485760, newlines_in_values: typing.Optional[bool] = None, on_mixed_types: typing.Optional[typing.Literal['use_json']] = 'use_json', parse_agent_traces: bool = True)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/json/json.py#L46)

BuilderConfig para JSON.

#### datasets.Json[[datasets.Json]]

```python
datasets.Json(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/json/json.py#L64)

### XML[[datasets.packaged_modules.xml.XmlConfig]]

#### datasets.packaged_modules.xml.XmlConfig[[datasets.packaged_modules.xml.XmlConfig]]

```python
datasets.packaged_modules.xml.XmlConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, encoding: str = 'utf-8', encoding_errors: typing.Optional[str] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/xml/xml.py#L15)

BuilderConfig para archivos xml.

#### datasets.packaged_modules.xml.Xml[[datasets.packaged_modules.xml.Xml]]

```python
datasets.packaged_modules.xml.Xml(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/xml/xml.py#L23)

### Parquet[[datasets.packaged_modules.parquet.ParquetConfig]]

#### datasets.packaged_modules.parquet.ParquetConfig[[datasets.packaged_modules.parquet.ParquetConfig]]

```python
datasets.packaged_modules.parquet.ParquetConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, batch_size: typing.Optional[int] = None, columns: typing.Optional[list[str]] = None, features: typing.Optional[datasets.features.features.Features] = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, fragment_scan_options: typing.Optional[pyarrow._dataset_parquet.ParquetFragmentScanOptions] = None, on_bad_files: typing.Literal['error', 'warn', 'skip'] = 'error')
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/parquet/parquet.py#L20)

**Parámetros:**

batch_size (`int`, *opcional*) : Tamaño de los RecordBatches sobre los que iterar. El valor predeterminado es el tamaño del grupo de filas (definido por el primer grupo de filas).

columns (`list[str]`, *opcional*) : Lista de columnas para cargar; las demás se ignoran. Por defecto, se cargan todas las columnas.

features : (`Features`, *opcional*): Convierte los datos a `features`.

filters (`Union[pyarrow.dataset.Expression, list[tuple], list[list[tuple]]]`, *opcional*) : Devuelve solo las filas que coinciden con el filtro. Si es posible, el predicado se empujará hacia abajo para aprovechar la información de partición o los metadatos internos encontrados en la fuente de datos, p. ej., las estadísticas de Parquet. De lo contrario, filtra los RecordBatches cargados antes de devolverlos.

fragment_scan_options (`pyarrow.dataset.ParquetFragmentScanOptions`, *opcional*) : Opciones específicas de escaneo para fragmentos Parquet. Esto resulta especialmente útil para configurar el almacenamiento en búfer y la caché.

on_bad_files (`Literal["error", "warn", "skip"]`, *opcional*, valor predeterminado "error") : Especifica qué hacer al encontrar un archivo defectuoso (un archivo que no se puede leer). Los valores permitidos son: * 'error', lanza una Exception cuando se encuentra un archivo defectuoso. * 'warn', lanza una advertencia cuando se encuentra un archivo defectuoso y omite ese archivo. * 'skip', omite los archivos defectuosos sin lanzar excepciones ni advertencias cuando se encuentran.

BuilderConfig para Parquet.

Ejemplo:

Cargar un subconjunto de columnas:

```python
>>> ds = load_dataset(parquet_dataset_id, columns=["col_0", "col_1"])
```

Transmita datos y filtre datos de manera eficiente, posiblemente omitiendo archivos completos o grupos de filas:

```python
>>> filters = [("col_0", "==", 0)]
>>> ds = load_dataset(parquet_dataset_id, streaming=True, filters=filters)
```

Aumente el tamaño mínimo de solicitud al transmitir de 32MiB (predeterminado) a 128MiB y active la preobtención:

```python
>>> import pyarrow
>>> import pyarrow.dataset
>>> fragment_scan_options = pyarrow.dataset.ParquetFragmentScanOptions(
...     cache_options=pyarrow.CacheOptions(
...         prefetch_limit=1,
...         range_size_limit=128 << 20
...     ),
... )
>>> ds = load_dataset(parquet_dataset_id, streaming=True, fragment_scan_options=fragment_scan_options)
```

#### datasets.packaged_modules.parquet.Parquet[[datasets.packaged_modules.parquet.Parquet]]

```python
datasets.packaged_modules.parquet.Parquet(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/parquet/parquet.py#L93)

### Arrow[[datasets.packaged_modules.arrow.ArrowConfig]]

#### datasets.packaged_modules.arrow.ArrowConfig[[datasets.packaged_modules.arrow.ArrowConfig]]

```python
datasets.packaged_modules.arrow.ArrowConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/arrow/arrow.py#L15)

BuilderConfig para Arrow.

#### datasets.packaged_modules.arrow.Arrow[[datasets.packaged_modules.arrow.Arrow]]

```python
datasets.packaged_modules.arrow.Arrow(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/arrow/arrow.py#L24)

### Vortex[[datasets.packaged_modules.vortex.VortexConfig]]

#### datasets.packaged_modules.vortex.VortexConfig[[datasets.packaged_modules.vortex.VortexConfig]]

```python
datasets.packaged_modules.vortex.VortexConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, batch_size: typing.Optional[int] = None, columns: typing.Optional[list[str]] = None, features: typing.Optional[datasets.features.features.Features] = None, filters: typing.Union[ForwardRef('vortex.expr.Expr'), list[tuple], list[list[tuple]], NoneType] = None, on_bad_files: typing.Literal['error', 'warn', 'skip'] = 'error')
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/vortex/vortex.py#L54)

**Parámetros:**

batch_size (`int`, *opcional*) : Tamaño de los RecordBatches sobre los que iterar. El valor predeterminado lo define el escáner de Vortex.

columns (`list[str]`, *opcional*) : Lista de columnas para cargar; las demás se ignoran. Por defecto, se cargan todas las columnas.

features : (`Features`, *opcional*): Convierte los datos a `features`.

filters (`Union[vortex.expr.Expr, list[tuple], list[list[tuple]]]`, *opcional*) : Devuelve solo las filas que coinciden con el filtro. El predicado se empuja hacia el escaneo de Vortex, de modo que solo se leen las filas coincidentes. Los filtros dados como una lista de tuplas (DNF, como acepta el cargador de Parquet) se convierten en una expresión de Vortex. Los valores nulos siguen la semántica de SQL: un nulo no satisface ninguna comparación, por lo que una fila cuya columna filtrada es nula nunca se devuelve. Tenga en cuenta que `not in` descarta, por tanto, los nulos, mientras que el cargador de Parquet los conserva porque construye `~field.isin(values)` y un nulo no está en el conjunto.

on_bad_files (`Literal["error", "warn", "skip"]`, *opcional*, valor predeterminado "error") : Especifica qué hacer al encontrar un archivo defectuoso (un archivo que no se puede leer). Los valores permitidos son: * 'error', lanza una Exception cuando se encuentra un archivo defectuoso. * 'warn', lanza una advertencia cuando se encuentra un archivo defectuoso y omite ese archivo. * 'skip', omite los archivos defectuosos sin lanzar excepciones ni advertencias cuando se encuentran.

BuilderConfig para Vortex.

Ejemplo:

Cargar un subconjunto de columnas:

```python
>>> ds = load_dataset(vortex_dataset_id, columns=["col_0", "col_1"])
```

Transmita datos y filtre los datos de manera eficiente, omitiendo archivos o fragmentos completos cuando sea posible:

```python
>>> filters = [("col_0", "==", 0)]
>>> ds = load_dataset(vortex_dataset_id, streaming=True, filters=filters)
```

#### datasets.packaged_modules.vortex.Vortex[[datasets.packaged_modules.vortex.Vortex]]

```python
datasets.packaged_modules.vortex.Vortex(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/vortex/vortex.py#L226)

### SQL[[datasets.packaged_modules.sql.SqlConfig]]

#### datasets.packaged_modules.sql.SqlConfig[[datasets.packaged_modules.sql.SqlConfig]]

```python
datasets.packaged_modules.sql.SqlConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, sql: typing.Union[str, ForwardRef('sqlalchemy.sql.Selectable')] = None, con: typing.Union[str, ForwardRef('sqlalchemy.engine.Connection'), ForwardRef('sqlalchemy.engine.Engine'), ForwardRef('sqlite3.Connection')] = None, index_col: typing.Union[str, list[str], NoneType] = None, coerce_float: bool = True, params: typing.Union[list, tuple, dict, NoneType] = None, parse_dates: typing.Union[list, dict, NoneType] = None, columns: typing.Optional[list[str]] = None, chunksize: typing.Optional[int] = 10000, features: typing.Optional[datasets.features.features.Features] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/sql/sql.py#L25)

BuilderConfig para SQL.

#### datasets.packaged_modules.sql.Sql[[datasets.packaged_modules.sql.Sql]]

```python
datasets.packaged_modules.sql.Sql(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/sql/sql.py#L92)

### Imágenes[[datasets.packaged_modules.imagefolder.ImageFolderConfig]]

#### datasets.packaged_modules.imagefolder.ImageFolderConfig[[datasets.packaged_modules.imagefolder.ImageFolderConfig]]

```python
datasets.packaged_modules.imagefolder.ImageFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/imagefolder/imagefolder.py#L9)

BuilderConfig para ImageFolder.

#### datasets.packaged_modules.imagefolder.ImageFolder[[datasets.packaged_modules.imagefolder.ImageFolder]]

```python
datasets.packaged_modules.imagefolder.ImageFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/imagefolder/imagefolder.py#L19)

### Audio[[datasets.packaged_modules.audiofolder.AudioFolderConfig]]

#### datasets.packaged_modules.audiofolder.AudioFolderConfig[[datasets.packaged_modules.audiofolder.AudioFolderConfig]]

```python
datasets.packaged_modules.audiofolder.AudioFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/audiofolder/audiofolder.py#L9)

Configuración del constructor para AudioFolder.

#### datasets.packaged_modules.audiofolder.AudioFolder[[datasets.packaged_modules.audiofolder.AudioFolder]]

```python
datasets.packaged_modules.audiofolder.AudioFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/audiofolder/audiofolder.py#L19)

### Videos[[datasets.packaged_modules.videofolder.VideoFolderConfig]]

#### datasets.packaged_modules.videofolder.VideoFolderConfig[[datasets.packaged_modules.videofolder.VideoFolderConfig]]

```python
datasets.packaged_modules.videofolder.VideoFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/videofolder/videofolder.py#L9)

BuilderConfig para ImageFolder.

#### datasets.packaged_modules.videofolder.VideoFolder[[datasets.packaged_modules.videofolder.VideoFolder]]

```python
datasets.packaged_modules.videofolder.VideoFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/videofolder/videofolder.py#L19)

### HDF5[[datasets.packaged_modules.hdf5.HDF5Config]]

#### datasets.packaged_modules.hdf5.HDF5Config[[datasets.packaged_modules.hdf5.HDF5Config]]

```python
datasets.packaged_modules.hdf5.HDF5Config(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, batch_size: typing.Optional[int] = None, features: typing.Optional[datasets.features.features.Features] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/hdf5/hdf5.py#L33)

BuilderConfig para HDF5.

#### datasets.packaged_modules.hdf5.HDF5[[datasets.packaged_modules.hdf5.HDF5]]

```python
datasets.packaged_modules.hdf5.HDF5(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/hdf5/hdf5.py#L40)

ArrowBasedBuilder que convierte archivos HDF5 en tablas Arrow usando los tipos de extensión de HF.

### TsFile[[datasets.packaged_modules.tsfile.TsFileConfig]]

#### datasets.packaged_modules.tsfile.TsFileConfig[[datasets.packaged_modules.tsfile.TsFileConfig]]

```python
datasets.packaged_modules.tsfile.TsFileConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, table_name: Optional[str] = None, columns: Optional[list[str]] = None, start_time: Optional[Any] = None, end_time: Optional[Any] = None, input_batch_size: int = 65536, output_batch_size: int = 32, features: Optional[datasets.Features] = None, on_bad_files: Literal['error', 'warn', 'skip'] = 'error', timestamp_unit: Literal['s', 'ms', 'us', 'ns'] = 'ms', timestamp_tz: Optional[str] = None)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/tsfile/tsfile.py#L143)

**Parámetros:**

table_name (*str*, *opcional*) : Nombre de la tabla que se leerá. Si no se establece, se utiliza la primera tabla encontrada en el primer archivo válido. Las búsquedas no distinguen entre mayúsculas y minúsculas.

columns (*list[str]*, *opcional*) : Subconjunto de columnas FIELD a conservar. Las columnas TAG y la columna TIME se devuelven *siempre* (identifican el dispositivo / su línea de tiempo y no se pueden excluir). Los nombres que se refieren a columnas TAG o TIME, o a campos ausentes en todos los archivos, se resuelven silenciosamente: los TAGs/TIME se emiten como de costumbre, y los campos nunca vistos se convierten en columnas de lista con todos los valores nulos. Cuando no se establece, se devuelven todos los FIELDs.

start_time, end_time (*datetime*, *date*, *pa.TimestampScalar*, *str* ISO-8601 o *int*, *opcional*) : Rango de marcas de tiempo inclusivo. Se puede omitir cualquiera de los límites. Los valores de `datetime` se toman en su propio huso horario (UTC si son ingenuos); `int` se interpreta como una época bruta en `timestamp_unit`.

input_batch_size (*int*, *opcional*, valor predeterminado 65_536) : Número máximo de filas obtenidas por lote de Arrow desde `TsFileReader.query_table`. Controla la memoria máxima durante la transmisión de un solo dispositivo.

output_batch_size (*int*, *optional*, valor predeterminado 32) : Número de dispositivos (filas del conjunto de datos de salida) agrupados en cada lote de registros Arrow entregado al escritor. También es la granularidad con la que avanza la barra de progreso del conjunto de datos; los valores más pequeños ofrecen una retroalimentación más receptiva en lecturas lentas por dispositivo, mientras que los más grandes reducen la sobrecarga por lote.

features (*Características*, *opcional*) : Esquema final de características. Si se proporciona, se omite el análisis de metadatos sobre los archivos de entrada.

on_bad_files (*Literal["error", "warn", "skip"]*, *opcional*, predeterminado a "error") : Qué hacer si un archivo no se puede abrir o carece de la tabla solicitada.

timestamp_unit (*Literal["s", "ms", "us", "ns"]*, *opcional*, predeterminado a "ms") : Unidad de tiempo para la columna de marca de tiempo. IoTDB usa milisegundos de forma predeterminada.

timestamp_tz (*str*, *opcional*) : Zona horaria para la columna de marca de tiempo. `None` significa sin zona horaria.

BuilderConfig para TsFile (modelo de tabla) — formato ancho por dispositivo.

#### datasets.packaged_modules.tsfile.TsFile[[datasets.packaged_modules.tsfile.TsFile]]

```python
datasets.packaged_modules.tsfile.TsFile(*args, **kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/tsfile/tsfile.py#L233)

Constructor de formato ancho por dispositivo para TsFile (modelo de tabla).

### Pdf[[datasets.packaged_modules.pdffolder.PdfFolderConfig]]

#### datasets.packaged_modules.pdffolder.PdfFolderConfig[[datasets.packaged_modules.pdffolder.PdfFolderConfig]]

```python
datasets.packaged_modules.pdffolder.PdfFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/pdffolder/pdffolder.py#L9)

BuilderConfig para ImageFolder.

#### datasets.packaged_modules.pdffolder.PdfFolder[[datasets.packaged_modules.pdffolder.PdfFolder]]

```python
datasets.packaged_modules.pdffolder.PdfFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/pdffolder/pdffolder.py#L19)

### Nifti[[datasets.packaged_modules.niftifolder.NiftiFolderConfig]]

#### datasets.packaged_modules.niftifolder.NiftiFolderConfig[[datasets.packaged_modules.niftifolder.NiftiFolderConfig]]

```python
datasets.packaged_modules.niftifolder.NiftiFolderConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, drop_labels: bool = None, drop_metadata: bool = None, metadata_filenames: list = None, filters: typing.Union[pyarrow._compute.Expression, list[tuple], list[list[tuple]], NoneType] = None, decode_num_threads: int = 32)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/niftifolder/niftifolder.py#L9)

BuilderConfig para NiftiFolder.

#### datasets.packaged_modules.niftifolder.NiftiFolder[[datasets.packaged_modules.niftifolder.NiftiFolder]]

```python
datasets.packaged_modules.niftifolder.NiftiFolder(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/niftifolder/niftifolder.py#L20)

### WebDataset[[datasets.packaged_modules.webdataset.WebDataset]]

#### datasets.packaged_modules.webdataset.WebDataset[[datasets.packaged_modules.webdataset.WebDataset]]

```python
datasets.packaged_modules.webdataset.WebDataset(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/webdataset/webdataset.py#L20)

### Harbor[[datasets.packaged_modules.harbor.HarborConfig]]

#### datasets.packaged_modules.harbor.HarborConfig[[datasets.packaged_modules.harbor.HarborConfig]]

```python
datasets.packaged_modules.harbor.HarborConfig(name: str = 'default', version: typing.Union[datasets.utils.version.Version, str, NoneType] = 0.0.0, data_dir: typing.Optional[str] = None, data_files: typing.Union[datasets.data_files.DataFilesDict, datasets.data_files.DataFilesPatternsDict, NoneType] = None, description: typing.Optional[str] = None, features: typing.Optional[datasets.features.features.Features] = None, strip_canary: bool = True, include_files: bool = True)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/harbor/harbor.py#L95)

**Parámetros:**

features (`Features`, *opcional*) : Establece las características utilizadas para convertir las filas generadas. De forma predeterminada, se utilizan las características de una tarea de Harbor (ver `Harbor`).

strip_canary (`bool`, *opcional*, valor predeterminado `True`) : Elimina las líneas de comentario iniciales "benchmark data canary" de `instruction.md` y de las instrucciones de los pasos, tal como lo hace Harbor cuando las envía a un agente.

include_files (`bool`, *opcional*, valor predeterminado `True`) : Lista todos los archivos de cada tarea (`environment/`, `tests/`, `solution/`...) en la columna `files`. Establézcalo en `False` para omitir la lista de los directorios de la tarea, lo cual es más rápido cuando el conjunto de datos está en un sistema de archivos remoto.

BuilderConfig para repositorios de tareas de Harbor.

#### datasets.packaged_modules.harbor.Harbor[[datasets.packaged_modules.harbor.Harbor]]

```python
datasets.packaged_modules.harbor.Harbor(cache_dir: typing.Optional[str] = None, dataset_name: typing.Optional[str] = None, config_name: typing.Optional[str] = None, hash: typing.Optional[str] = None, base_path: typing.Optional[str] = None, info: typing.Optional[datasets.info.DatasetInfo] = None, features: typing.Optional[datasets.features.features.Features] = None, token: typing.Union[bool, str, NoneType] = None, repo_id: typing.Optional[str] = None, data_files: typing.Union[str, list, dict, datasets.data_files.DataFilesDict, NoneType] = None, data_dir: typing.Optional[str] = None, storage_options: typing.Optional[dict] = None, writer_batch_size: typing.Optional[int] = None, config_id: typing.Optional[str] = None, **config_kwargs)
```

[Fuente](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/packaged_modules/harbor/harbor.py#L116)

Constructor para repositorios de tareas de Harbor: una fila por directorio de tareas.

Genera las siguientes características:

- **name** (`str`) -- nombre de la tarea, como `org/name` en `[task].name` de `task.toml`, o el nombre del directorio de la tarea cuando `task.toml` no tiene una sección `[task]`.
- **description** (`str`) -- `[task].description` de `task.toml`.
- **instruction** (`str`) -- contenido de `instruction.md`.
- **keywords** (`list` de `str`) -- `[task].keywords` de `task.toml`.
- **schema_version** (`str`) -- `schema_version` declarado por `task.toml`.
- **config** (`dict`) -- el `task.toml` completo, como un objeto JSON.
- **metadata** (`dict`) -- la sección libre `[metadata]` de `task.toml`.
- **archivos** (`list` de `str`) -- todos los archivos de la tarea, relativos al directorio de la tarea.
- **location** (`str`) -- ruta del directorio de la tarea, relativa a la raíz del conjunto de datos.