{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 2,
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd\n",
    "import json\n",
    "import math\n",
    "import re"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Función para agrupar mensajes de Remitentes"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [],
   "source": [
    "def agrupar_remitentes(texto_in):\n",
    "    # Dividir el texto en líneas\n",
    "    lineas = texto_in.strip().split('\\n')\n",
    "\n",
    "    # Procesar las líneas para agrupar los mensajes por remitente\n",
    "    texto_out = \"\"\n",
    "    ultimo_remitente = \"\"\n",
    "    timestamp_actual = \"\"\n",
    "\n",
    "    for linea in lineas:\n",
    "        # Verificar si la línea tiene un remitente (es decir, si es un nuevo mensaje)\n",
    "        if re.match(r\"\\[\\d{2}/\\d{2}/\\d{2}, \\d{1,2}:\\d{2}:\\d{2} [a.p].m.\\] \\w+:\", linea):\n",
    "            timestamp, remitente, mensaje = re.match(r\"(\\[\\d{2}/\\d{2}/\\d{2}, \\d{1,2}:\\d{2}:\\d{2} [a.p].m.\\]) (\\w+): (.*)\", linea).groups()\n",
    "            # Si el remitente es diferente al último, se inicia un nuevo mensaje\n",
    "            if remitente != ultimo_remitente:\n",
    "                texto_out += f\"{timestamp} {remitente}: {mensaje}\\n\"\n",
    "                ultimo_remitente = remitente\n",
    "                timestamp_actual = timestamp\n",
    "            else:\n",
    "                # Añadir el mensaje actual al último mensaje del mismo remitente\n",
    "                texto_out = texto_out.strip() + \"\\n\" + mensaje + \"\\n\"\n",
    "        else:\n",
    "            # Si la línea no tiene remitente, se añade al mensaje actual\n",
    "            texto_out = texto_out.strip() + \"\\n\" + linea.strip() + \"\\n\"\n",
    "\n",
    "    texto_out = texto_out.strip()\n",
    "\n",
    "    return texto_out"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Prueba"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "[30/08/22, 4:11:28 p.m.] CarmenQ: Pues eso es bueno\n",
      "Así te llenas cool\n",
      "[30/08/22, 4:11:51 p.m.] Sebas: Pues si\n",
      "Ya me la terminé\n",
      "Ya voy a regresar\n",
      "[30/08/22, 4:12:15 p.m.] CarmenQ: Que bueno\n",
      "Ok amor\n",
      "Mucha suerte\n",
      "La verdad es que tengo mucho sueño\n",
      "[30/08/22, 4:12:33 p.m.] Sebas: Gracias amorcito\n",
      "Te amo mucho\n",
      "[30/08/22, 4:12:40 p.m.] CarmenQ: Yo a ti\n"
     ]
    }
   ],
   "source": [
    "texto_in = \"\"\"\n",
    "[30/08/22, 4:11:28 p.m.] CarmenQ: Pues eso es bueno\n",
    "[30/08/22, 4:11:33 p.m.] CarmenQ: Así te llenas cool\n",
    "[30/08/22, 4:11:51 p.m.] Sebas: Pues si\n",
    "[30/08/22, 4:11:55 p.m.] Sebas: Ya me la terminé\n",
    "Ya voy a regresar\n",
    "[30/08/22, 4:12:15 p.m.] CarmenQ: Que bueno\n",
    "Ok amor\n",
    "[30/08/22, 4:12:25 p.m.] CarmenQ: Mucha suerte\n",
    "La verdad es que tengo mucho sueño\n",
    "[30/08/22, 4:12:33 p.m.] Sebas: Gracias amorcito\n",
    "Te amo mucho\n",
    "[30/08/22, 4:12:40 p.m.] CarmenQ: Yo a ti\n",
    "\"\"\"\n",
    "\n",
    "# Imprimir el texto transformado\n",
    "print(agrupar_remitentes(texto_in))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Función para dejar explícitos los Saltos de Línea"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "metadata": {},
   "outputs": [],
   "source": [
    "def formatear_salto_linea(texto_entrada):\n",
    "    # Dividimos el texto en líneas\n",
    "    lineas = texto_entrada.split(\"\\n\")\n",
    "\n",
    "    texto_salida = \"\"\n",
    "    mensaje_actual = \"\"\n",
    "\n",
    "    for linea in lineas:\n",
    "        # Si la línea tiene el formato de timestamp, es un nuevo mensaje\n",
    "        if \"[\" in linea and \"]\" in linea and \":\" in linea and linea[1:3].isdigit() and linea[4:6].isdigit():\n",
    "            # Agregamos el mensaje anterior al texto de salida (si existe)\n",
    "            if mensaje_actual:\n",
    "                texto_salida += mensaje_actual + \"\\n\"\n",
    "            mensaje_actual = linea\n",
    "        else:\n",
    "            # Si no es un nuevo mensaje, es una continuación del mensaje actual\n",
    "            mensaje_actual += \"\\\\n\" + linea\n",
    "\n",
    "    # Agregamos el último mensaje al texto de salida\n",
    "    texto_salida += mensaje_actual\n",
    "\n",
    "    return texto_salida"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Prueba"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "\\n\n",
      "[09/10/23, 3:04:35 p.m.] Sebas: Que bueno amorrr, te creo\\nPues sigue aprendiendo un buennn\n",
      "[05/10/23, 5:56:18 p.m.] CarmenQ: Ya ando en casa bb\n",
      "[05/10/23, 6:06:25 p.m.] Sebas: Qué bueno mi amor, llegaron con bien?\\nLa verdad es que tengo un buen de sueño\\nY te extraño\n",
      "[04/10/23, 6:29:34 p.m.] CarmenQ: Pues si quieres te paso a ver a tu casita mi amor\\nTienes clase hasta las 3 no?\n",
      "[04/10/23, 7:20:44 p.m.] Sebas: Sí bb, justo tengo clase a esa hora\n",
      "[04/10/23, 3:37:58 p.m.] CarmenQ: Solo deja acabo mi clase y te cuento\\nPero tienes que ponerme atención eh\n",
      "[04/10/23, 3:44:47 p.m.] Sebas: Okey amor, cuando puedas, no hay prisa\n",
      "[02/10/23, 10:44:20 p.m.] CarmenQ: Te paso a ver más tarde\\nO el jueves voy\\nYa que no tengo clase\n",
      "[02/10/23, 10:45:05 p.m.] Sebas: Como como? En la noche?\n",
      "[18/06/23, 11:00:27 p.m.] CarmenQ: Te amo mucho mi amor\n",
      "[18/10/23, 11:11:24 p.m.] Sebas: Te amo mucho más mi C\\n\n"
     ]
    }
   ],
   "source": [
    "texto_entrada = \"\"\"\n",
    "[09/10/23, 3:04:35 p.m.] Sebas: Que bueno amorrr, te creo\n",
    "Pues sigue aprendiendo un buennn\n",
    "[05/10/23, 5:56:18 p.m.] CarmenQ: Ya ando en casa bb\n",
    "[05/10/23, 6:06:25 p.m.] Sebas: Qué bueno mi amor, llegaron con bien?\n",
    "La verdad es que tengo un buen de sueño\n",
    "Y te extraño\n",
    "[04/10/23, 6:29:34 p.m.] CarmenQ: Pues si quieres te paso a ver a tu casita mi amor\n",
    "Tienes clase hasta las 3 no?\n",
    "[04/10/23, 7:20:44 p.m.] Sebas: Sí bb, justo tengo clase a esa hora\n",
    "[04/10/23, 3:37:58 p.m.] CarmenQ: Solo deja acabo mi clase y te cuento\n",
    "Pero tienes que ponerme atención eh\n",
    "[04/10/23, 3:44:47 p.m.] Sebas: Okey amor, cuando puedas, no hay prisa\n",
    "[02/10/23, 10:44:20 p.m.] CarmenQ: Te paso a ver más tarde\n",
    "O el jueves voy\n",
    "Ya que no tengo clase\n",
    "[02/10/23, 10:45:05 p.m.] Sebas: Como como? En la noche?\n",
    "[18/06/23, 11:00:27 p.m.] CarmenQ: Te amo mucho mi amor\n",
    "[18/10/23, 11:11:24 p.m.] Sebas: Te amo mucho más mi C\n",
    "\"\"\"\n",
    "\n",
    "# Imprimir el texto transformado\n",
    "print(formatear_salto_linea(texto_entrada))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Función para eliminar Timestamps"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "metadata": {},
   "outputs": [],
   "source": [
    "def eliminar_timestamps(texto_entrada):\n",
    "    # Usamos una expresión regular para encontrar y eliminar los timestamps\n",
    "    # La expresión regular busca un patrón de la forma [dd/mm/aa, hh:mm:ss am/pm]\n",
    "    texto_salida = re.sub(r\"\\[\\d{2}/\\d{2}/\\d{2}, \\d{1,2}:\\d{2}:\\d{2} [ap]\\.m\\.\\] \", \"\", texto_entrada)\n",
    "\n",
    "    return texto_salida"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Prueba"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "\n",
      "Sebas: Que bueno amorrr, te creo\n",
      "Pues sigue aprendiendo un buennn\n",
      "CarmenQ: Ya ando en casa bb\n",
      "Sebas: Qué bueno mi amor, llegaron con bien?\n",
      "La verdad es que tengo un buen de sueño\n",
      "Y te extraño\n",
      "CarmenQ: Pues si quieres te paso a ver a tu casita mi amor\n",
      "Tienes clase hasta las 3 no?\n",
      "Sebas: Sí bb, justo tengo clase a esa hora\n",
      "CarmenQ: Solo deja acabo mi clase y te cuento\n",
      "Pero tienes que ponerme atención eh\n",
      "Sebas: Okey amor, cuando puedas, no hay prisa\n",
      "CarmenQ: Te paso a ver más tarde\n",
      "O el jueves voy\n",
      "Ya que no tengo clase\n",
      "Sebas: Como como? En la noche?\n",
      "CarmenQ: Te amo mucho mi amor\n",
      "Sebas: Te amo mucho más mi C\n",
      "\n"
     ]
    }
   ],
   "source": [
    "texto_entrada = \"\"\"\n",
    "[09/10/23, 3:04:35 p.m.] Sebas: Que bueno amorrr, te creo\\nPues sigue aprendiendo un buennn\n",
    "[05/10/23, 5:56:18 p.m.] CarmenQ: Ya ando en casa bb\n",
    "[05/10/23, 6:06:25 p.m.] Sebas: Qué bueno mi amor, llegaron con bien?\\nLa verdad es que tengo un buen de sueño\\nY te extraño\n",
    "[04/10/23, 6:29:34 p.m.] CarmenQ: Pues si quieres te paso a ver a tu casita mi amor\\nTienes clase hasta las 3 no?\n",
    "[04/10/23, 7:20:44 p.m.] Sebas: Sí bb, justo tengo clase a esa hora\n",
    "[04/10/23, 3:37:58 p.m.] CarmenQ: Solo deja acabo mi clase y te cuento\\nPero tienes que ponerme atención eh\n",
    "[04/10/23, 3:44:47 p.m.] Sebas: Okey amor, cuando puedas, no hay prisa\n",
    "[02/10/23, 10:44:20 p.m.] CarmenQ: Te paso a ver más tarde\\nO el jueves voy\\nYa que no tengo clase\n",
    "[02/10/23, 10:45:05 p.m.] Sebas: Como como? En la noche?\n",
    "[18/06/23, 11:00:27 p.m.] CarmenQ: Te amo mucho mi amor\n",
    "[18/10/23, 11:11:24 p.m.] Sebas: Te amo mucho más mi C\n",
    "\"\"\"\n",
    "\n",
    "# Imprimir el texto transformado\n",
    "print(eliminar_timestamps(texto_entrada))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Función para crear un Dataset con todos los mensajes de CarmenQ y Sebas"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "metadata": {},
   "outputs": [],
   "source": [
    "def crear_dataset(texto_entrada):\n",
    "    # Dividimos el texto en líneas\n",
    "    lineas = texto_entrada.strip().split(\"\\n\")\n",
    "\n",
    "    # Crear listas para guardar los mensajes de CarmenQ y Sebas\n",
    "    mensajes_carmen = []\n",
    "    mensajes_sebas = []\n",
    "\n",
    "    # Variables temporales para guardar los mensajes actuales de CarmenQ y Sebas\n",
    "    mensaje_carmen_actual = \"\"\n",
    "    mensaje_sebas_actual = \"\"\n",
    "    es_mensaje_carmen = False\n",
    "\n",
    "    for linea in lineas:\n",
    "        if linea.startswith(\"CarmenQ:\"):\n",
    "            # Si hay un mensaje previo de Sebas, lo guardamos junto con el mensaje de Carmen anterior\n",
    "            if mensaje_sebas_actual:\n",
    "                mensajes_carmen.append(mensaje_carmen_actual)\n",
    "                mensajes_sebas.append(mensaje_sebas_actual)\n",
    "                mensaje_sebas_actual = \"\"\n",
    "\n",
    "            mensaje_carmen_actual = linea[len(\"CarmenQ: \"):]\n",
    "            es_mensaje_carmen = True\n",
    "        elif linea.startswith(\"Sebas:\"):\n",
    "            mensaje_sebas_actual = linea[len(\"Sebas: \"):]\n",
    "            es_mensaje_carmen = False\n",
    "        else:\n",
    "            # Continuación del mensaje actual\n",
    "            if es_mensaje_carmen:\n",
    "                mensaje_carmen_actual += \"\\\\n\" + linea\n",
    "            else:\n",
    "                mensaje_sebas_actual += \"\\\\n\" + linea\n",
    "\n",
    "    # Agregar el último par de mensajes si existen\n",
    "    if mensaje_carmen_actual and mensaje_sebas_actual:\n",
    "        mensajes_carmen.append(mensaje_carmen_actual)\n",
    "        mensajes_sebas.append(mensaje_sebas_actual)\n",
    "\n",
    "    # Crear el DataFrame\n",
    "    df = pd.DataFrame({'CarmenQ': mensajes_carmen, 'Sebas': mensajes_sebas})\n",
    "\n",
    "    return df"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Prueba"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>CarmenQ</th>\n",
       "      <th>Sebas</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>Quieres ver \\nuna peli?</td>\n",
       "      <td>Sisisi, sí quierooo\\nVamos a ver Kung Fu Panda...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Podemos\\nver una\\nserie bb</td>\n",
       "      <td>Uyyy sí\\namor, pero cuál? Ya hemos\\nvisto muchas</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Luego vemos la de Coraline?</td>\n",
       "      <td>Cuando quieras mi amor, ya sabes que sí\\nPero ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Si\\nte están\\ngustando las pelis bb?</td>\n",
       "      <td>Si amorrrr, mucho\\nA ver cuándo me invitar a v...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Ya ponle a la peli padrino</td>\n",
       "      <td>JAJAJA voy amor, no me presiones</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>5</th>\n",
       "      <td>Regresando vemos la peli si?</td>\n",
       "      <td>Si mi amorrrr, ya justo que regreses ya ando a...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>6</th>\n",
       "      <td>En un\\nratito quieres que veamos la peli?</td>\n",
       "      <td>Sí amor, estaría perfecto\\nPero si está chafa,...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>7</th>\n",
       "      <td>O podemos ver la peli amor</td>\n",
       "      <td>Pues yo si quiero ir a ver la peli, así que es...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>8</th>\n",
       "      <td>Que quieres ver bb?\\nUna serie o peli?</td>\n",
       "      <td>Tal vez una peli, no? Que luego me cuesta segu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>9</th>\n",
       "      <td>Andamos viendo una peli</td>\n",
       "      <td>Cómo se llama la peli?</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>10</th>\n",
       "      <td>Yo me voy a bañar rápido\\nEn lo que te aclimat...</td>\n",
       "      <td>Vale mi amor, disfruta tu baño\\nSabes que me e...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "</div>"
      ],
      "text/plain": [
       "                                              CarmenQ  \\\n",
       "0                             Quieres ver \\nuna peli?   \n",
       "1                          Podemos\\nver una\\nserie bb   \n",
       "2                         Luego vemos la de Coraline?   \n",
       "3                Si\\nte están\\ngustando las pelis bb?   \n",
       "4                          Ya ponle a la peli padrino   \n",
       "5                        Regresando vemos la peli si?   \n",
       "6           En un\\nratito quieres que veamos la peli?   \n",
       "7                          O podemos ver la peli amor   \n",
       "8              Que quieres ver bb?\\nUna serie o peli?   \n",
       "9                             Andamos viendo una peli   \n",
       "10  Yo me voy a bañar rápido\\nEn lo que te aclimat...   \n",
       "\n",
       "                                                Sebas  \n",
       "0   Sisisi, sí quierooo\\nVamos a ver Kung Fu Panda...  \n",
       "1    Uyyy sí\\namor, pero cuál? Ya hemos\\nvisto muchas  \n",
       "2   Cuando quieras mi amor, ya sabes que sí\\nPero ...  \n",
       "3   Si amorrrr, mucho\\nA ver cuándo me invitar a v...  \n",
       "4                    JAJAJA voy amor, no me presiones  \n",
       "5   Si mi amorrrr, ya justo que regreses ya ando a...  \n",
       "6   Sí amor, estaría perfecto\\nPero si está chafa,...  \n",
       "7   Pues yo si quiero ir a ver la peli, así que es...  \n",
       "8   Tal vez una peli, no? Que luego me cuesta segu...  \n",
       "9                              Cómo se llama la peli?  \n",
       "10  Vale mi amor, disfruta tu baño\\nSabes que me e...  "
      ]
     },
     "execution_count": 10,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "text = \"\"\"\n",
    "CarmenQ: Quieres ver \\nuna peli?\n",
    "Sebas: Sisisi, sí quierooo\\nVamos a ver Kung Fu Panda? Jejeje\n",
    "CarmenQ: Podemos\\nver una\\nserie bb\n",
    "Sebas: Uyyy sí\\namor, pero cuál? Ya hemos\\nvisto muchas\n",
    "CarmenQ: Luego vemos la de Coraline?\n",
    "Sebas: Cuando quieras mi amor, ya sabes que sí\\nPero a ver si vamos a comprar unas palomitas también, nooo?\n",
    "CarmenQ: Si\\nte están\\ngustando las pelis bb?\n",
    "Sebas: Si amorrrr, mucho\\nA ver cuándo me invitar a ver las otras\n",
    "CarmenQ: Ya ponle a la peli padrino\n",
    "Sebas: JAJAJA voy amor, no me presiones\n",
    "CarmenQ: Regresando vemos la peli si?\n",
    "Sebas: Si mi amorrrr, ya justo que regreses ya ando aquí con Netflix prendido\n",
    "CarmenQ: En un\\nratito quieres que veamos la peli?\n",
    "Sebas: Sí amor, estaría perfecto\\nPero si está chafa, me debes un helado\n",
    "CarmenQ: O podemos ver la peli amor\n",
    "Sebas: Pues yo si quiero ir a ver la peli, así que estoy puesto\n",
    "CarmenQ: Que quieres ver bb?\\nUna serie o peli?\n",
    "Sebas: Tal vez una peli, no? Que luego me cuesta seguirle a las series\n",
    "CarmenQ: Andamos viendo una peli\n",
    "Sebas: Cómo se llama la peli?\n",
    "CarmenQ: Yo me voy a bañar rápido\\nEn lo que te aclimatas y todo\\nY vemos la peli si tienes ganas\n",
    "Sebas: Vale mi amor, disfruta tu baño\\nSabes que me encantaría ver una peli a distancia\n",
    "\"\"\"\n",
    "\n",
    "df = crear_dataset(text)\n",
    "df"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Llamado a todas las funciones para crear el archivo de Texto Final y el Dataset con las conversaciones"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 12,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Ruta del archivo de texto\n",
    "ruta_archivo = 'Raw_Data/Raw_Prompts.txt' \n",
    "ruta_archivo_salida_texto = 'Raw_Data/Transformed_Prompts.txt'\n",
    "\n",
    "# Leer el contenido del archivo\n",
    "with open(ruta_archivo, 'r', encoding='utf-8') as archivo:\n",
    "    texto = archivo.read()\n",
    "\n",
    "# Hacer todas las transformaciones\n",
    "texto_agrupado = agrupar_remitentes(texto)\n",
    "texto_linea = formatear_salto_linea(texto_agrupado)\n",
    "texto_sin_timestamp = eliminar_timestamps(texto_linea)\n",
    "\n",
    "# Escribir el texto modificado en el archivo de salida\n",
    "with open(ruta_archivo_salida_texto, 'w', encoding='utf-8') as archivo_salida:\n",
    "    archivo_salida.write(texto_sin_timestamp)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 13,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>CarmenQ</th>\n",
       "      <th>Sebas</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>Buenos días mi amorchis, cómo dormiste hoy?</td>\n",
       "      <td>Buenos días mi amorrrr\\nBien bien, pero hacía ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Holis mi amor, espero que tengas un muy bonito...</td>\n",
       "      <td>Hola hola bebitaaaa, te amo mucho másss\\nTambi...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Buenos días mi bb, disfruta mucho tu día guapo</td>\n",
       "      <td>Buenos días amorrr, graciassssss\\nTambién disf...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Buenos días mi amor, espero que hayas podido d...</td>\n",
       "      <td>Hola mi amorcito, cómo amaneciste hoyyy???\\nTa...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Hellouuuuu, te amo mucho guapiiii, ten lindo dia</td>\n",
       "      <td>Holi mi vida, cómo estás hoy??\\nTe amo mucho m...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>665</th>\n",
       "      <td>Dime algo bonito</td>\n",
       "      <td>Hmmmm vemos. Deposítame 5 mil pesotes y va JAJ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>666</th>\n",
       "      <td>Dime algo bonito</td>\n",
       "      <td>Yo digo que tal vez el universo ha dicho que e...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>667</th>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Deja veo si ya me depositaste en mi cuenta y v...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>668</th>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Algo bonito? Tuuuuu, mi C, estás hermosa\\nTeng...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>669</th>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Solo si veo un depósito en mi cuenta en menos ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>670 rows × 2 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                               CarmenQ  \\\n",
       "0          Buenos días mi amorchis, cómo dormiste hoy?   \n",
       "1    Holis mi amor, espero que tengas un muy bonito...   \n",
       "2       Buenos días mi bb, disfruta mucho tu día guapo   \n",
       "3    Buenos días mi amor, espero que hayas podido d...   \n",
       "4    Hellouuuuu, te amo mucho guapiiii, ten lindo dia    \n",
       "..                                                 ...   \n",
       "665                                   Dime algo bonito   \n",
       "666                                   Dime algo bonito   \n",
       "667                               Oye dime algo bonito   \n",
       "668                               Oye dime algo bonito   \n",
       "669                               Oye dime algo bonito   \n",
       "\n",
       "                                                 Sebas  \n",
       "0    Buenos días mi amorrrr\\nBien bien, pero hacía ...  \n",
       "1    Hola hola bebitaaaa, te amo mucho másss\\nTambi...  \n",
       "2    Buenos días amorrr, graciassssss\\nTambién disf...  \n",
       "3    Hola mi amorcito, cómo amaneciste hoyyy???\\nTa...  \n",
       "4    Holi mi vida, cómo estás hoy??\\nTe amo mucho m...  \n",
       "..                                                 ...  \n",
       "665  Hmmmm vemos. Deposítame 5 mil pesotes y va JAJ...  \n",
       "666  Yo digo que tal vez el universo ha dicho que e...  \n",
       "667  Deja veo si ya me depositaste en mi cuenta y v...  \n",
       "668  Algo bonito? Tuuuuu, mi C, estás hermosa\\nTeng...  \n",
       "669  Solo si veo un depósito en mi cuenta en menos ...  \n",
       "\n",
       "[670 rows x 2 columns]"
      ]
     },
     "execution_count": 13,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "chat_df = crear_dataset(texto_sin_timestamp)\n",
    "chat_df"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Agregamos la columna 'system' y transformamos el Dataset"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 14,
   "metadata": {},
   "outputs": [],
   "source": [
    "def agregar_columna_system(df):\n",
    "    # Definimos el contenido de la columna 'system'\n",
    "    contenido_system = \"\"\"CARSE es un chatbot que imita el estilo en que Sebas conversa. Fue creado con amor solo para Carmen. Su objetivo es ofrecer una experiencia de chat divertida y familiar que exprese la personalidad, el humor y el amor de Sebas hacia Carmen.\"\"\"\n",
    "\n",
    "    # Agregamos la columna al DataFrame\n",
    "    df.insert(0, 'system', contenido_system)\n",
    "\n",
    "    return df"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 15,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>system</th>\n",
       "      <th>CarmenQ</th>\n",
       "      <th>Sebas</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Buenos días mi amorchis, cómo dormiste hoy?</td>\n",
       "      <td>Buenos días mi amorrrr\\nBien bien, pero hacía ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Holis mi amor, espero que tengas un muy bonito...</td>\n",
       "      <td>Hola hola bebitaaaa, te amo mucho másss\\nTambi...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Buenos días mi bb, disfruta mucho tu día guapo</td>\n",
       "      <td>Buenos días amorrr, graciassssss\\nTambién disf...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Buenos días mi amor, espero que hayas podido d...</td>\n",
       "      <td>Hola mi amorcito, cómo amaneciste hoyyy???\\nTa...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Hellouuuuu, te amo mucho guapiiii, ten lindo dia</td>\n",
       "      <td>Holi mi vida, cómo estás hoy??\\nTe amo mucho m...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>665</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Dime algo bonito</td>\n",
       "      <td>Hmmmm vemos. Deposítame 5 mil pesotes y va JAJ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>666</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Dime algo bonito</td>\n",
       "      <td>Yo digo que tal vez el universo ha dicho que e...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>667</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Deja veo si ya me depositaste en mi cuenta y v...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>668</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Algo bonito? Tuuuuu, mi C, estás hermosa\\nTeng...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>669</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Solo si veo un depósito en mi cuenta en menos ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>670 rows × 3 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                system  \\\n",
       "0    CARSE es un chatbot que imita el estilo en que...   \n",
       "1    CARSE es un chatbot que imita el estilo en que...   \n",
       "2    CARSE es un chatbot que imita el estilo en que...   \n",
       "3    CARSE es un chatbot que imita el estilo en que...   \n",
       "4    CARSE es un chatbot que imita el estilo en que...   \n",
       "..                                                 ...   \n",
       "665  CARSE es un chatbot que imita el estilo en que...   \n",
       "666  CARSE es un chatbot que imita el estilo en que...   \n",
       "667  CARSE es un chatbot que imita el estilo en que...   \n",
       "668  CARSE es un chatbot que imita el estilo en que...   \n",
       "669  CARSE es un chatbot que imita el estilo en que...   \n",
       "\n",
       "                                               CarmenQ  \\\n",
       "0          Buenos días mi amorchis, cómo dormiste hoy?   \n",
       "1    Holis mi amor, espero que tengas un muy bonito...   \n",
       "2       Buenos días mi bb, disfruta mucho tu día guapo   \n",
       "3    Buenos días mi amor, espero que hayas podido d...   \n",
       "4    Hellouuuuu, te amo mucho guapiiii, ten lindo dia    \n",
       "..                                                 ...   \n",
       "665                                   Dime algo bonito   \n",
       "666                                   Dime algo bonito   \n",
       "667                               Oye dime algo bonito   \n",
       "668                               Oye dime algo bonito   \n",
       "669                               Oye dime algo bonito   \n",
       "\n",
       "                                                 Sebas  \n",
       "0    Buenos días mi amorrrr\\nBien bien, pero hacía ...  \n",
       "1    Hola hola bebitaaaa, te amo mucho másss\\nTambi...  \n",
       "2    Buenos días amorrr, graciassssss\\nTambién disf...  \n",
       "3    Hola mi amorcito, cómo amaneciste hoyyy???\\nTa...  \n",
       "4    Holi mi vida, cómo estás hoy??\\nTe amo mucho m...  \n",
       "..                                                 ...  \n",
       "665  Hmmmm vemos. Deposítame 5 mil pesotes y va JAJ...  \n",
       "666  Yo digo que tal vez el universo ha dicho que e...  \n",
       "667  Deja veo si ya me depositaste en mi cuenta y v...  \n",
       "668  Algo bonito? Tuuuuu, mi C, estás hermosa\\nTeng...  \n",
       "669  Solo si veo un depósito en mi cuenta en menos ...  \n",
       "\n",
       "[670 rows x 3 columns]"
      ]
     },
     "execution_count": 15,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Llamamos a la función para agregar la columna 'system'\n",
    "chat_df = agregar_columna_system(chat_df)\n",
    "chat_df"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 16,
   "metadata": {},
   "outputs": [],
   "source": [
    "def renombrar_columnas(df):\n",
    "    # Cambiamos el nombre de las columnas\n",
    "    df.rename(columns={'CarmenQ': 'user', 'Sebas': 'assistant'}, inplace=True)\n",
    "\n",
    "    return df"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 17,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>system</th>\n",
       "      <th>user</th>\n",
       "      <th>assistant</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Buenos días mi amorchis, cómo dormiste hoy?</td>\n",
       "      <td>Buenos días mi amorrrr\\nBien bien, pero hacía ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Holis mi amor, espero que tengas un muy bonito...</td>\n",
       "      <td>Hola hola bebitaaaa, te amo mucho másss\\nTambi...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Buenos días mi bb, disfruta mucho tu día guapo</td>\n",
       "      <td>Buenos días amorrr, graciassssss\\nTambién disf...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Buenos días mi amor, espero que hayas podido d...</td>\n",
       "      <td>Hola mi amorcito, cómo amaneciste hoyyy???\\nTa...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Hellouuuuu, te amo mucho guapiiii, ten lindo dia</td>\n",
       "      <td>Holi mi vida, cómo estás hoy??\\nTe amo mucho m...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>665</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Dime algo bonito</td>\n",
       "      <td>Hmmmm vemos. Deposítame 5 mil pesotes y va JAJ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>666</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Dime algo bonito</td>\n",
       "      <td>Yo digo que tal vez el universo ha dicho que e...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>667</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Deja veo si ya me depositaste en mi cuenta y v...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>668</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Algo bonito? Tuuuuu, mi C, estás hermosa\\nTeng...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>669</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Oye dime algo bonito</td>\n",
       "      <td>Solo si veo un depósito en mi cuenta en menos ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>670 rows × 3 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                system  \\\n",
       "0    CARSE es un chatbot que imita el estilo en que...   \n",
       "1    CARSE es un chatbot que imita el estilo en que...   \n",
       "2    CARSE es un chatbot que imita el estilo en que...   \n",
       "3    CARSE es un chatbot que imita el estilo en que...   \n",
       "4    CARSE es un chatbot que imita el estilo en que...   \n",
       "..                                                 ...   \n",
       "665  CARSE es un chatbot que imita el estilo en que...   \n",
       "666  CARSE es un chatbot que imita el estilo en que...   \n",
       "667  CARSE es un chatbot que imita el estilo en que...   \n",
       "668  CARSE es un chatbot que imita el estilo en que...   \n",
       "669  CARSE es un chatbot que imita el estilo en que...   \n",
       "\n",
       "                                                  user  \\\n",
       "0          Buenos días mi amorchis, cómo dormiste hoy?   \n",
       "1    Holis mi amor, espero que tengas un muy bonito...   \n",
       "2       Buenos días mi bb, disfruta mucho tu día guapo   \n",
       "3    Buenos días mi amor, espero que hayas podido d...   \n",
       "4    Hellouuuuu, te amo mucho guapiiii, ten lindo dia    \n",
       "..                                                 ...   \n",
       "665                                   Dime algo bonito   \n",
       "666                                   Dime algo bonito   \n",
       "667                               Oye dime algo bonito   \n",
       "668                               Oye dime algo bonito   \n",
       "669                               Oye dime algo bonito   \n",
       "\n",
       "                                             assistant  \n",
       "0    Buenos días mi amorrrr\\nBien bien, pero hacía ...  \n",
       "1    Hola hola bebitaaaa, te amo mucho másss\\nTambi...  \n",
       "2    Buenos días amorrr, graciassssss\\nTambién disf...  \n",
       "3    Hola mi amorcito, cómo amaneciste hoyyy???\\nTa...  \n",
       "4    Holi mi vida, cómo estás hoy??\\nTe amo mucho m...  \n",
       "..                                                 ...  \n",
       "665  Hmmmm vemos. Deposítame 5 mil pesotes y va JAJ...  \n",
       "666  Yo digo que tal vez el universo ha dicho que e...  \n",
       "667  Deja veo si ya me depositaste en mi cuenta y v...  \n",
       "668  Algo bonito? Tuuuuu, mi C, estás hermosa\\nTeng...  \n",
       "669  Solo si veo un depósito en mi cuenta en menos ...  \n",
       "\n",
       "[670 rows x 3 columns]"
      ]
     },
     "execution_count": 17,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Llamamos a la función para renombrar las columnas en el dataset\n",
    "chat_df = renombrar_columnas(chat_df)\n",
    "chat_df"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 18,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/html": [
       "<div>\n",
       "<style scoped>\n",
       "    .dataframe tbody tr th:only-of-type {\n",
       "        vertical-align: middle;\n",
       "    }\n",
       "\n",
       "    .dataframe tbody tr th {\n",
       "        vertical-align: top;\n",
       "    }\n",
       "\n",
       "    .dataframe thead th {\n",
       "        text-align: right;\n",
       "    }\n",
       "</style>\n",
       "<table border=\"1\" class=\"dataframe\">\n",
       "  <thead>\n",
       "    <tr style=\"text-align: right;\">\n",
       "      <th></th>\n",
       "      <th>system</th>\n",
       "      <th>user</th>\n",
       "      <th>assistant</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Tengo mucho sueño aún</td>\n",
       "      <td>Ay amorcito, a ver si te echas a dormir en el ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Ay amor que frío hace</td>\n",
       "      <td>Pues que bueno, mínimo no estamos sudando</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Ya adivina\\nLo que se te ocurra</td>\n",
       "      <td>Esque no se me ocurrió nada mas</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Biennnn, pero tengo sueño aún</td>\n",
       "      <td>Si tienes descanso, duerme</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Yo te amo massssss</td>\n",
       "      <td>Eso es mega feik eh</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>665</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Pues ya toca casarnos</td>\n",
       "      <td>Por fiiiin, ya te habías tardado en decir eso</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>666</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Biennnnn\\n¿Y tu?</td>\n",
       "      <td>Bien igual</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>667</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>JAJAJJAJAJA no</td>\n",
       "      <td>Ya dimeeeee</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>668</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Casarme contigo algún día</td>\n",
       "      <td>Awwww amoorr, sí quiero casarme contigo algún ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>669</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Me estaba acabando el café</td>\n",
       "      <td>Disfruta tu cafecito</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>670 rows × 3 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                system  \\\n",
       "0    CARSE es un chatbot que imita el estilo en que...   \n",
       "1    CARSE es un chatbot que imita el estilo en que...   \n",
       "2    CARSE es un chatbot que imita el estilo en que...   \n",
       "3    CARSE es un chatbot que imita el estilo en que...   \n",
       "4    CARSE es un chatbot que imita el estilo en que...   \n",
       "..                                                 ...   \n",
       "665  CARSE es un chatbot que imita el estilo en que...   \n",
       "666  CARSE es un chatbot que imita el estilo en que...   \n",
       "667  CARSE es un chatbot que imita el estilo en que...   \n",
       "668  CARSE es un chatbot que imita el estilo en que...   \n",
       "669  CARSE es un chatbot que imita el estilo en que...   \n",
       "\n",
       "                                user  \\\n",
       "0              Tengo mucho sueño aún   \n",
       "1              Ay amor que frío hace   \n",
       "2    Ya adivina\\nLo que se te ocurra   \n",
       "3      Biennnn, pero tengo sueño aún   \n",
       "4                 Yo te amo massssss   \n",
       "..                               ...   \n",
       "665            Pues ya toca casarnos   \n",
       "666                 Biennnnn\\n¿Y tu?   \n",
       "667                   JAJAJJAJAJA no   \n",
       "668        Casarme contigo algún día   \n",
       "669       Me estaba acabando el café   \n",
       "\n",
       "                                             assistant  \n",
       "0    Ay amorcito, a ver si te echas a dormir en el ...  \n",
       "1            Pues que bueno, mínimo no estamos sudando  \n",
       "2                      Esque no se me ocurrió nada mas  \n",
       "3                           Si tienes descanso, duerme  \n",
       "4                                  Eso es mega feik eh  \n",
       "..                                                 ...  \n",
       "665      Por fiiiin, ya te habías tardado en decir eso  \n",
       "666                                         Bien igual  \n",
       "667                                        Ya dimeeeee  \n",
       "668  Awwww amoorr, sí quiero casarme contigo algún ...  \n",
       "669                               Disfruta tu cafecito  \n",
       "\n",
       "[670 rows x 3 columns]"
      ]
     },
     "execution_count": 18,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Revolvemos el orden de los datos\n",
    "chat_df = chat_df.sample(frac=1, random_state=20210703).reset_index(drop=True)\n",
    "chat_df"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Función para crear el archivo JSONL que requiere OpenAI para entrenar"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 19,
   "metadata": {},
   "outputs": [],
   "source": [
    "def crear_json(df,nombre_json):\n",
    "\n",
    "    jsonl_data = []\n",
    "\n",
    "    for index, row in df.iterrows():\n",
    "        message_list = [\n",
    "            {\"role\": \"system\", \"content\": row['system']},\n",
    "            {\"role\": \"user\", \"content\": row['user']},\n",
    "            {\"role\": \"assistant\", \"content\": row['assistant']}\n",
    "        ]\n",
    "        jsonl_data.append({\"messages\": message_list})\n",
    "    \n",
    "    # Guardar en un archivo JSONL con codificación UTF-8\n",
    "    with open(nombre_json, 'w', encoding='utf-8') as file:\n",
    "        for item in jsonl_data:\n",
    "            file.write(json.dumps(item, ensure_ascii=False) + '\\n')"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 20,
   "metadata": {},
   "outputs": [],
   "source": [
    "nombre_json = 'Training_data/Training_Prompts.jsonl'\n",
    "\n",
    "crear_json(chat_df,nombre_json)\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### Separación del File de entrenamiento en partes iguales"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 22,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "El archivo tiene 670 líneas.\n"
     ]
    }
   ],
   "source": [
    "# Ruta del archivo JSONL\n",
    "archivo_jsonl = 'Training_Data/Training_Prompts.jsonl'\n",
    "\n",
    "# Contar las líneas\n",
    "try:\n",
    "    with open(archivo_jsonl, 'r', encoding='utf-8') as file:\n",
    "        lineas = sum(1 for _ in file)\n",
    "    print(f\"El archivo tiene {lineas} líneas.\")\n",
    "except FileNotFoundError:\n",
    "    print(\"Archivo no encontrado. Por favor verifica la ruta.\")"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 23,
   "metadata": {},
   "outputs": [],
   "source": [
    "def dividir_jsonl(ruta_original, num_partes):\n",
    "    # Leer el archivo original\n",
    "    with open(ruta_original, 'r', encoding='utf-8') as file:\n",
    "        lineas = file.readlines()\n",
    "\n",
    "    # Calcular el tamaño de cada parte\n",
    "    total_lineas = len(lineas)\n",
    "    tamaño_parte = math.ceil(total_lineas / num_partes)\n",
    "\n",
    "    # Dividir y guardar las partes\n",
    "    for i in range(num_partes):\n",
    "        parte = lineas[i*tamaño_parte:(i+1)*tamaño_parte]\n",
    "        ruta_nueva = ruta_original.replace('.jsonl', f'_{i+1}.jsonl')\n",
    "        with open(ruta_nueva, 'w', encoding='utf-8') as new_file:\n",
    "            new_file.writelines(parte)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 24,
   "metadata": {},
   "outputs": [],
   "source": [
    "dividir_jsonl('Training_Data/Training_Prompts.jsonl', 5)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "base",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.7"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}