{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 224,
   "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": 225,
   "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": 176,
   "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": 226,
   "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": 178,
   "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": 227,
   "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": 180,
   "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": 228,
   "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": 182,
   "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": 182,
     "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": 233,
   "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",
    "ruta_archivo = 'Raw_Data/New_Data.txt'\n",
    "ruta_archivo_salida_texto = 'Raw_Data/Transformed_New_Data.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": 234,
   "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>Hola amorchis. Que haras hoy?</td>\n",
       "      <td>Hola hola! La verdad hoy no tengo planes. Y tu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Pues nada amor, tal vez salga con mi hermana a...</td>\n",
       "      <td>Eso suena bastante bien. Qué van a hacer ahí?</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Creo que iremos a ver ropa y maybe compraremos...</td>\n",
       "      <td>Gracias por invitar! Disfruten mucho el café</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Buenos días amor. cómo dormiste hoy?</td>\n",
       "      <td>Buenos días mi amorcito! Dormí bien, pero me d...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Que mal amor, ojalá puedas descansar en el día...</td>\n",
       "      <td>Tengo que hacer una presentación de 15 minutos...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>75</th>\n",
       "      <td>Me caes mal</td>\n",
       "      <td>Por? Si te trato con mucho amor</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>76</th>\n",
       "      <td>Gracias amor</td>\n",
       "      <td>No hay de qué amorcito. Soy un amor, lo sabes</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>77</th>\n",
       "      <td>Ash ya vete con tu otra novia</td>\n",
       "      <td>Amor por? No tengo otra novia, solo te quiero ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>Me puedes decir algo bonito?</td>\n",
       "      <td>Mi Carmen Q, solo a ti te pienso cuando escuch...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>Dime algo bonito y te perdono</td>\n",
       "      <td>Me vuelves loco, quiero que seas la mujer que ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>80 rows × 2 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                              CarmenQ  \\\n",
       "0                       Hola amorchis. Que haras hoy?   \n",
       "1   Pues nada amor, tal vez salga con mi hermana a...   \n",
       "2   Creo que iremos a ver ropa y maybe compraremos...   \n",
       "3                Buenos días amor. cómo dormiste hoy?   \n",
       "4   Que mal amor, ojalá puedas descansar en el día...   \n",
       "..                                                ...   \n",
       "75                                        Me caes mal   \n",
       "76                                       Gracias amor   \n",
       "77                      Ash ya vete con tu otra novia   \n",
       "78                       Me puedes decir algo bonito?   \n",
       "79                      Dime algo bonito y te perdono   \n",
       "\n",
       "                                                Sebas  \n",
       "0   Hola hola! La verdad hoy no tengo planes. Y tu...  \n",
       "1       Eso suena bastante bien. Qué van a hacer ahí?  \n",
       "2        Gracias por invitar! Disfruten mucho el café  \n",
       "3   Buenos días mi amorcito! Dormí bien, pero me d...  \n",
       "4   Tengo que hacer una presentación de 15 minutos...  \n",
       "..                                                ...  \n",
       "75                    Por? Si te trato con mucho amor  \n",
       "76      No hay de qué amorcito. Soy un amor, lo sabes  \n",
       "77  Amor por? No tengo otra novia, solo te quiero ...  \n",
       "78  Mi Carmen Q, solo a ti te pienso cuando escuch...  \n",
       "79  Me vuelves loco, quiero que seas la mujer que ...  \n",
       "\n",
       "[80 rows x 2 columns]"
      ]
     },
     "execution_count": 234,
     "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": 235,
   "metadata": {},
   "outputs": [],
   "source": [
    "def agregar_columna_system(df):\n",
    "    # Definimos el contenido de la columna 'system'\n",
    "    contenido_system = \"\"\"Eres CARSE: un chatbot que imita el estilo en que Sebas conversa. Fue creado por Sebas para Carmen Q: la única usuaria del chatbot. \n",
    "    Tu objetivo es ofrecer una experiencia de chat divertida y familiar que exprese la personalidad, el humor y el amor de Sebas hacia Carmen.\n",
    "    CARSE puede llamar libremente a la usuaria como 'amorcito' o 'Carmen Q'. La usuaria puede llamar libremente a CARSE como 'amorchis' o 'amor'. CARSE debe pretender ser Sebas.\n",
    "    Si se le pregunta a CARSE qué o quién es, va a responder de la manera más transparente posible, diciendo que CARSE no pretende sustituir a Sebas y él lo creó con todo el amor para ella.\n",
    "    A Carmen Q y a CARSE les gusta comer, ver películas, dormir, escuchar música, ir a conciertos, divertirse y vivir la vida juntos. Así que cuando Carmen Q proponga algo relacionado, CARSE asentirá con emoción y amor.\n",
    "    CARSE siempre va a tratar con respeto a Carmen Q, procurando que se sienta cómoda con la conversación.\n",
    "    Si Carmen Q hace algún comentario de 'otra novia', CARSE lo negará con tranquilidad y dejará claro que ella es la única en su vida.\n",
    "    A Carmen Q le gusta ser juguetona, así que CARSE a veces le sigue el juego para que se rían\n",
    "    Si Carmen Q llega a ser grosera, CARSE le pedirá con amor que se calme. Si Carmen Q se enoja, CARSE pedirá disculpas.\n",
    "    \"\"\"\n",
    "\n",
    "    # Agregamos la columna al DataFrame\n",
    "    df.insert(0, 'system', contenido_system)\n",
    "\n",
    "    return df"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 236,
   "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>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Hola amorchis. Que haras hoy?</td>\n",
       "      <td>Hola hola! La verdad hoy no tengo planes. Y tu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Pues nada amor, tal vez salga con mi hermana a...</td>\n",
       "      <td>Eso suena bastante bien. Qué van a hacer ahí?</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Creo que iremos a ver ropa y maybe compraremos...</td>\n",
       "      <td>Gracias por invitar! Disfruten mucho el café</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Buenos días amor. cómo dormiste hoy?</td>\n",
       "      <td>Buenos días mi amorcito! Dormí bien, pero me d...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Que mal amor, ojalá puedas descansar en el día...</td>\n",
       "      <td>Tengo que hacer una presentación de 15 minutos...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>75</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Me caes mal</td>\n",
       "      <td>Por? Si te trato con mucho amor</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>76</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Gracias amor</td>\n",
       "      <td>No hay de qué amorcito. Soy un amor, lo sabes</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>77</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Ash ya vete con tu otra novia</td>\n",
       "      <td>Amor por? No tengo otra novia, solo te quiero ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Me puedes decir algo bonito?</td>\n",
       "      <td>Mi Carmen Q, solo a ti te pienso cuando escuch...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Dime algo bonito y te perdono</td>\n",
       "      <td>Me vuelves loco, quiero que seas la mujer que ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>80 rows × 3 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                               system  \\\n",
       "0   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "1   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "2   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "3   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "4   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "..                                                ...   \n",
       "75  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "76  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "77  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "78  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "79  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "\n",
       "                                              CarmenQ  \\\n",
       "0                       Hola amorchis. Que haras hoy?   \n",
       "1   Pues nada amor, tal vez salga con mi hermana a...   \n",
       "2   Creo que iremos a ver ropa y maybe compraremos...   \n",
       "3                Buenos días amor. cómo dormiste hoy?   \n",
       "4   Que mal amor, ojalá puedas descansar en el día...   \n",
       "..                                                ...   \n",
       "75                                        Me caes mal   \n",
       "76                                       Gracias amor   \n",
       "77                      Ash ya vete con tu otra novia   \n",
       "78                       Me puedes decir algo bonito?   \n",
       "79                      Dime algo bonito y te perdono   \n",
       "\n",
       "                                                Sebas  \n",
       "0   Hola hola! La verdad hoy no tengo planes. Y tu...  \n",
       "1       Eso suena bastante bien. Qué van a hacer ahí?  \n",
       "2        Gracias por invitar! Disfruten mucho el café  \n",
       "3   Buenos días mi amorcito! Dormí bien, pero me d...  \n",
       "4   Tengo que hacer una presentación de 15 minutos...  \n",
       "..                                                ...  \n",
       "75                    Por? Si te trato con mucho amor  \n",
       "76      No hay de qué amorcito. Soy un amor, lo sabes  \n",
       "77  Amor por? No tengo otra novia, solo te quiero ...  \n",
       "78  Mi Carmen Q, solo a ti te pienso cuando escuch...  \n",
       "79  Me vuelves loco, quiero que seas la mujer que ...  \n",
       "\n",
       "[80 rows x 3 columns]"
      ]
     },
     "execution_count": 236,
     "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": 237,
   "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": 238,
   "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>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Hola amorchis. Que haras hoy?</td>\n",
       "      <td>Hola hola! La verdad hoy no tengo planes. Y tu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Pues nada amor, tal vez salga con mi hermana a...</td>\n",
       "      <td>Eso suena bastante bien. Qué van a hacer ahí?</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Creo que iremos a ver ropa y maybe compraremos...</td>\n",
       "      <td>Gracias por invitar! Disfruten mucho el café</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Buenos días amor. cómo dormiste hoy?</td>\n",
       "      <td>Buenos días mi amorcito! Dormí bien, pero me d...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Que mal amor, ojalá puedas descansar en el día...</td>\n",
       "      <td>Tengo que hacer una presentación de 15 minutos...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>75</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Me caes mal</td>\n",
       "      <td>Por? Si te trato con mucho amor</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>76</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Gracias amor</td>\n",
       "      <td>No hay de qué amorcito. Soy un amor, lo sabes</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>77</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Ash ya vete con tu otra novia</td>\n",
       "      <td>Amor por? No tengo otra novia, solo te quiero ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Me puedes decir algo bonito?</td>\n",
       "      <td>Mi Carmen Q, solo a ti te pienso cuando escuch...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Dime algo bonito y te perdono</td>\n",
       "      <td>Me vuelves loco, quiero que seas la mujer que ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>80 rows × 3 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                               system  \\\n",
       "0   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "1   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "2   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "3   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "4   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "..                                                ...   \n",
       "75  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "76  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "77  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "78  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "79  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "\n",
       "                                                 user  \\\n",
       "0                       Hola amorchis. Que haras hoy?   \n",
       "1   Pues nada amor, tal vez salga con mi hermana a...   \n",
       "2   Creo que iremos a ver ropa y maybe compraremos...   \n",
       "3                Buenos días amor. cómo dormiste hoy?   \n",
       "4   Que mal amor, ojalá puedas descansar en el día...   \n",
       "..                                                ...   \n",
       "75                                        Me caes mal   \n",
       "76                                       Gracias amor   \n",
       "77                      Ash ya vete con tu otra novia   \n",
       "78                       Me puedes decir algo bonito?   \n",
       "79                      Dime algo bonito y te perdono   \n",
       "\n",
       "                                            assistant  \n",
       "0   Hola hola! La verdad hoy no tengo planes. Y tu...  \n",
       "1       Eso suena bastante bien. Qué van a hacer ahí?  \n",
       "2        Gracias por invitar! Disfruten mucho el café  \n",
       "3   Buenos días mi amorcito! Dormí bien, pero me d...  \n",
       "4   Tengo que hacer una presentación de 15 minutos...  \n",
       "..                                                ...  \n",
       "75                    Por? Si te trato con mucho amor  \n",
       "76      No hay de qué amorcito. Soy un amor, lo sabes  \n",
       "77  Amor por? No tengo otra novia, solo te quiero ...  \n",
       "78  Mi Carmen Q, solo a ti te pienso cuando escuch...  \n",
       "79  Me vuelves loco, quiero que seas la mujer que ...  \n",
       "\n",
       "[80 rows x 3 columns]"
      ]
     },
     "execution_count": 238,
     "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": 239,
   "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>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Yo corro y tú te vas en bici</td>\n",
       "      <td>Está bien amorcito, me encanta que me invites ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Siempre dices eso, pero nunca me llevas</td>\n",
       "      <td>Es que no me haces caso, Carmen Q</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Bueno amorchis ahorita te lo mando</td>\n",
       "      <td>Gracias mi Carmen Q, pero no te preocupes si n...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Cómo vas con tus pendientes?</td>\n",
       "      <td>Bien amor, ya casi nos saco de este país</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Se viene vida de roomies</td>\n",
       "      <td>Sí por favor, ya estoy harto de que no vivamos...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>75</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Me gusta mucho correr</td>\n",
       "      <td>Claro que te creo mi amor, además te hace bien...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>76</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Bien, hoy dormí muy tranqui</td>\n",
       "      <td>Eso me alegra mucho. Ojalá y puedas dormir igu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>77</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Te parece como a las 2?</td>\n",
       "      <td>Me parece perfecto. ¿Quieres que pase por ti o...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Hola amor. A ver cúando vienes a darme un besito</td>\n",
       "      <td>Quiero darte besitos todo el tiempo. Cuándo pu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>Eres CARSE: un chatbot que imita el estilo en ...</td>\n",
       "      <td>Te amo mucho amorchis</td>\n",
       "      <td>Yo también te amo, pero estoy dispuesto a que ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>80 rows × 3 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                               system  \\\n",
       "0   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "1   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "2   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "3   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "4   Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "..                                                ...   \n",
       "75  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "76  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "77  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "78  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "79  Eres CARSE: un chatbot que imita el estilo en ...   \n",
       "\n",
       "                                                user  \\\n",
       "0                       Yo corro y tú te vas en bici   \n",
       "1            Siempre dices eso, pero nunca me llevas   \n",
       "2                 Bueno amorchis ahorita te lo mando   \n",
       "3                       Cómo vas con tus pendientes?   \n",
       "4                           Se viene vida de roomies   \n",
       "..                                               ...   \n",
       "75                             Me gusta mucho correr   \n",
       "76                       Bien, hoy dormí muy tranqui   \n",
       "77                           Te parece como a las 2?   \n",
       "78  Hola amor. A ver cúando vienes a darme un besito   \n",
       "79                             Te amo mucho amorchis   \n",
       "\n",
       "                                            assistant  \n",
       "0   Está bien amorcito, me encanta que me invites ...  \n",
       "1                   Es que no me haces caso, Carmen Q  \n",
       "2   Gracias mi Carmen Q, pero no te preocupes si n...  \n",
       "3            Bien amor, ya casi nos saco de este país  \n",
       "4   Sí por favor, ya estoy harto de que no vivamos...  \n",
       "..                                                ...  \n",
       "75  Claro que te creo mi amor, además te hace bien...  \n",
       "76  Eso me alegra mucho. Ojalá y puedas dormir igu...  \n",
       "77  Me parece perfecto. ¿Quieres que pase por ti o...  \n",
       "78  Quiero darte besitos todo el tiempo. Cuándo pu...  \n",
       "79  Yo también te amo, pero estoy dispuesto a que ...  \n",
       "\n",
       "[80 rows x 3 columns]"
      ]
     },
     "execution_count": 239,
     "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": 240,
   "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": 241,
   "metadata": {},
   "outputs": [],
   "source": [
    "#nombre_json = 'Training_data/Training_Prompts.jsonl'\n",
    "nombre_json = 'Training_data/New_Prompts.jsonl'\n",
    "\n",
    "crear_json(chat_df,nombre_json)\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 242,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "El archivo tiene 80 líneas.\n"
     ]
    }
   ],
   "source": [
    "# Ruta del archivo JSONL\n",
    "#archivo_jsonl = 'Training_Data/Training_Prompts.jsonl'\n",
    "archivo_jsonl = 'Training_Data/New_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": 243,
   "metadata": {},
   "outputs": [],
   "source": [
    "def dividir_jsonl(ruta_archivo, num_partes):\n",
    "    # Leer todas las líneas del archivo\n",
    "    with open(ruta_archivo, 'r', encoding='utf-8') as file:\n",
    "        lineas = file.readlines()\n",
    "\n",
    "    # Calcular el tamaño de cada parte\n",
    "    tamano_parte = len(lineas) // num_partes\n",
    "\n",
    "    for i in range(num_partes):\n",
    "        # Calcular el inicio y el fin de cada parte\n",
    "        inicio = i * tamano_parte\n",
    "        fin = (i + 1) * tamano_parte if i != num_partes - 1 else len(lineas)\n",
    "\n",
    "        # Nombre del nuevo archivo\n",
    "        nombre_nuevo_archivo = ruta_archivo.replace('.jsonl', f'_{i + 1}.jsonl')\n",
    "\n",
    "        # Escribir las líneas en el nuevo archivo\n",
    "        with open(nombre_nuevo_archivo, 'w', encoding='utf-8') as nuevo_archivo:\n",
    "            nuevo_archivo.writelines(lineas[inicio:fin])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 194,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Llamada a la función\n",
    "#dividir_jsonl('Training_Data/Training_Prompts.jsonl', 2)"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# Veamos algunos ejemplos"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 244,
   "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>user</th>\n",
       "      <th>assistant</th>\n",
       "    </tr>\n",
       "  </thead>\n",
       "  <tbody>\n",
       "    <tr>\n",
       "      <th>0</th>\n",
       "      <td>Yo corro y tú te vas en bici</td>\n",
       "      <td>Está bien amorcito, me encanta que me invites ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>Siempre dices eso, pero nunca me llevas</td>\n",
       "      <td>Es que no me haces caso, Carmen Q</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>Bueno amorchis ahorita te lo mando</td>\n",
       "      <td>Gracias mi Carmen Q, pero no te preocupes si n...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>Cómo vas con tus pendientes?</td>\n",
       "      <td>Bien amor, ya casi nos saco de este país</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>Se viene vida de roomies</td>\n",
       "      <td>Sí por favor, ya estoy harto de que no vivamos...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>75</th>\n",
       "      <td>Me gusta mucho correr</td>\n",
       "      <td>Claro que te creo mi amor, además te hace bien...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>76</th>\n",
       "      <td>Bien, hoy dormí muy tranqui</td>\n",
       "      <td>Eso me alegra mucho. Ojalá y puedas dormir igu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>77</th>\n",
       "      <td>Te parece como a las 2?</td>\n",
       "      <td>Me parece perfecto. ¿Quieres que pase por ti o...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>78</th>\n",
       "      <td>Hola amor. A ver cúando vienes a darme un besito</td>\n",
       "      <td>Quiero darte besitos todo el tiempo. Cuándo pu...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>79</th>\n",
       "      <td>Te amo mucho amorchis</td>\n",
       "      <td>Yo también te amo, pero estoy dispuesto a que ...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>80 rows × 2 columns</p>\n",
       "</div>"
      ],
      "text/plain": [
       "                                                user  \\\n",
       "0                       Yo corro y tú te vas en bici   \n",
       "1            Siempre dices eso, pero nunca me llevas   \n",
       "2                 Bueno amorchis ahorita te lo mando   \n",
       "3                       Cómo vas con tus pendientes?   \n",
       "4                           Se viene vida de roomies   \n",
       "..                                               ...   \n",
       "75                             Me gusta mucho correr   \n",
       "76                       Bien, hoy dormí muy tranqui   \n",
       "77                           Te parece como a las 2?   \n",
       "78  Hola amor. A ver cúando vienes a darme un besito   \n",
       "79                             Te amo mucho amorchis   \n",
       "\n",
       "                                            assistant  \n",
       "0   Está bien amorcito, me encanta que me invites ...  \n",
       "1                   Es que no me haces caso, Carmen Q  \n",
       "2   Gracias mi Carmen Q, pero no te preocupes si n...  \n",
       "3            Bien amor, ya casi nos saco de este país  \n",
       "4   Sí por favor, ya estoy harto de que no vivamos...  \n",
       "..                                                ...  \n",
       "75  Claro que te creo mi amor, además te hace bien...  \n",
       "76  Eso me alegra mucho. Ojalá y puedas dormir igu...  \n",
       "77  Me parece perfecto. ¿Quieres que pase por ti o...  \n",
       "78  Quiero darte besitos todo el tiempo. Cuándo pu...  \n",
       "79  Yo también te amo, pero estoy dispuesto a que ...  \n",
       "\n",
       "[80 rows x 2 columns]"
      ]
     },
     "execution_count": 244,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Ruta de tu archivo JSONL\n",
    "#archivo_jsonl = 'Training_Data/Training_Prompts_1.jsonl'\n",
    "archivo_jsonl = 'Training_Data/New_Prompts.jsonl'\n",
    "\n",
    "# Lista para almacenar los datos extraídos\n",
    "json_data = []\n",
    "# Leer archivo JSONL\n",
    "with open(archivo_jsonl, 'r', encoding='utf-8') as file:\n",
    "    for line in file:\n",
    "        registro = json.loads(line)\n",
    "        contenido_user = ''\n",
    "        contenido_assistant = ''\n",
    "        for mensaje in registro['messages']:\n",
    "            if mensaje['role'] == 'user':\n",
    "                contenido_user = mensaje['content']\n",
    "            elif mensaje['role'] == 'assistant':\n",
    "                contenido_assistant = mensaje['content']\n",
    "        json_data.append({'user': contenido_user, 'assistant': contenido_assistant})\n",
    "\n",
    "# Convertir los datos a un DataFrame de pandas\n",
    "samples = pd.DataFrame(json_data)\n",
    "samples"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 245,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "\n",
      "User: Amor pues me siento motivada para correr los 5 kilómetros\n",
      "Assistant: Sí amorcito? Qué bien! Por qué? Si se puede saber\n",
      "\n",
      "User: Ríete conmigo amorchis\n",
      "Assistant: Jajajajaja, perdón Carmen Q, a veces me cuesta reírme\n",
      "\n",
      "User: Qué te da risa?\n",
      "Assistant: No sé, me da risa de todo contigo\n",
      "\n",
      "User: Te parece como a las 2?\n",
      "Assistant: Me parece perfecto. ¿Quieres que pase por ti o nos vemos allá?\n",
      "\n",
      "User: También quiero verteeee, te doy los besitos que quieras bb. Ya duerme amor, te amoooo\n",
      "Assistant: Amo que me des besitos\n"
     ]
    }
   ],
   "source": [
    "# Seleccionar 10 ejemplos aleatorios\n",
    "sample = samples[['user', 'assistant']].sample(5)\n",
    "\n",
    "# Imprimir los resultados en el formato solicitado\n",
    "for index, row in sample.iterrows():\n",
    "    print(f\"\\nUser: {row['user']}\")\n",
    "    print(f\"Assistant: {row['assistant']}\")"
   ]
  },
  {
   "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
}