{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 12,
   "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": 13,
   "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": 14,
   "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": 15,
   "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": 16,
   "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": 17,
   "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": 18,
   "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": 19,
   "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": 20,
   "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": 20,
     "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": 21,
   "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": 23,
   "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>745</th>\n",
       "      <td>Descansaste?\\nQue soñaste?</td>\n",
       "      <td>No muy bien amor, la verdad es que me desperté...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>746</th>\n",
       "      <td>Hay que ver una peli de miedoooo</td>\n",
       "      <td>Sí amooor, vamos al cine a verla</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>747</th>\n",
       "      <td>Hay que venir a comer aquí</td>\n",
       "      <td>Cuando quieras bb, ya sabes que yo estoy super...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>748</th>\n",
       "      <td>Estoy muy triste amor</td>\n",
       "      <td>Por qué mi amor? Cuéntame si quieres</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>749</th>\n",
       "      <td>Te extraño aquí en el gym :(</td>\n",
       "      <td>Yo también te extraño bb, pero por ahora disfr...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>750 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",
       "745                         Descansaste?\\nQue soñaste?   \n",
       "746                   Hay que ver una peli de miedoooo   \n",
       "747                         Hay que venir a comer aquí   \n",
       "748                              Estoy muy triste amor   \n",
       "749                       Te extraño aquí en el gym :(   \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",
       "745  No muy bien amor, la verdad es que me desperté...  \n",
       "746                   Sí amooor, vamos al cine a verla  \n",
       "747  Cuando quieras bb, ya sabes que yo estoy super...  \n",
       "748               Por qué mi amor? Cuéntame si quieres  \n",
       "749  Yo también te extraño bb, pero por ahora disfr...  \n",
       "\n",
       "[750 rows x 2 columns]"
      ]
     },
     "execution_count": 23,
     "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": 24,
   "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": 25,
   "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>745</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Descansaste?\\nQue soñaste?</td>\n",
       "      <td>No muy bien amor, la verdad es que me desperté...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>746</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Hay que ver una peli de miedoooo</td>\n",
       "      <td>Sí amooor, vamos al cine a verla</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>747</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Hay que venir a comer aquí</td>\n",
       "      <td>Cuando quieras bb, ya sabes que yo estoy super...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>748</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Estoy muy triste amor</td>\n",
       "      <td>Por qué mi amor? Cuéntame si quieres</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>749</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Te extraño aquí en el gym :(</td>\n",
       "      <td>Yo también te extraño bb, pero por ahora disfr...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>750 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",
       "745  CARSE es un chatbot que imita el estilo en que...   \n",
       "746  CARSE es un chatbot que imita el estilo en que...   \n",
       "747  CARSE es un chatbot que imita el estilo en que...   \n",
       "748  CARSE es un chatbot que imita el estilo en que...   \n",
       "749  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",
       "745                         Descansaste?\\nQue soñaste?   \n",
       "746                   Hay que ver una peli de miedoooo   \n",
       "747                         Hay que venir a comer aquí   \n",
       "748                              Estoy muy triste amor   \n",
       "749                       Te extraño aquí en el gym :(   \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",
       "745  No muy bien amor, la verdad es que me desperté...  \n",
       "746                   Sí amooor, vamos al cine a verla  \n",
       "747  Cuando quieras bb, ya sabes que yo estoy super...  \n",
       "748               Por qué mi amor? Cuéntame si quieres  \n",
       "749  Yo también te extraño bb, pero por ahora disfr...  \n",
       "\n",
       "[750 rows x 3 columns]"
      ]
     },
     "execution_count": 25,
     "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": 26,
   "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": 27,
   "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>745</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Descansaste?\\nQue soñaste?</td>\n",
       "      <td>No muy bien amor, la verdad es que me desperté...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>746</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Hay que ver una peli de miedoooo</td>\n",
       "      <td>Sí amooor, vamos al cine a verla</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>747</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Hay que venir a comer aquí</td>\n",
       "      <td>Cuando quieras bb, ya sabes que yo estoy super...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>748</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Estoy muy triste amor</td>\n",
       "      <td>Por qué mi amor? Cuéntame si quieres</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>749</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Te extraño aquí en el gym :(</td>\n",
       "      <td>Yo también te extraño bb, pero por ahora disfr...</td>\n",
       "    </tr>\n",
       "  </tbody>\n",
       "</table>\n",
       "<p>750 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",
       "745  CARSE es un chatbot que imita el estilo en que...   \n",
       "746  CARSE es un chatbot que imita el estilo en que...   \n",
       "747  CARSE es un chatbot que imita el estilo en que...   \n",
       "748  CARSE es un chatbot que imita el estilo en que...   \n",
       "749  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",
       "745                         Descansaste?\\nQue soñaste?   \n",
       "746                   Hay que ver una peli de miedoooo   \n",
       "747                         Hay que venir a comer aquí   \n",
       "748                              Estoy muy triste amor   \n",
       "749                       Te extraño aquí en el gym :(   \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",
       "745  No muy bien amor, la verdad es que me desperté...  \n",
       "746                   Sí amooor, vamos al cine a verla  \n",
       "747  Cuando quieras bb, ya sabes que yo estoy super...  \n",
       "748               Por qué mi amor? Cuéntame si quieres  \n",
       "749  Yo también te extraño bb, pero por ahora disfr...  \n",
       "\n",
       "[750 rows x 3 columns]"
      ]
     },
     "execution_count": 27,
     "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": 28,
   "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>Yo me iré al gym en unos minutos</td>\n",
       "      <td>Super mi amorrr, disfruta mucho tu ejercicio, ...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>1</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Ya ando en el gym amor</td>\n",
       "      <td>Super mi amorrr, disfruta mucho tu ejercicio\\n...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>2</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Te mandaré nota</td>\n",
       "      <td>Vale amor, mándame lo que quieras, que sí me g...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>3</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>Te extraño poquis</td>\n",
       "      <td>Igual te extraño poquis\\nIntentaré organizarme...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>4</th>\n",
       "      <td>CARSE es un chatbot que imita el estilo en que...</td>\n",
       "      <td>He dormido mejor\\nSiento que no descansé nada</td>\n",
       "      <td>Y por qué no duermes un rato más?</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>...</th>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "      <td>...</td>\n",
       "    </tr>\n",
       "    <tr>\n",
       "      <th>745</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>746</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>747</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>748</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>749</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>750 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",
       "745  CARSE es un chatbot que imita el estilo en que...   \n",
       "746  CARSE es un chatbot que imita el estilo en que...   \n",
       "747  CARSE es un chatbot que imita el estilo en que...   \n",
       "748  CARSE es un chatbot que imita el estilo en que...   \n",
       "749  CARSE es un chatbot que imita el estilo en que...   \n",
       "\n",
       "                                              user  \\\n",
       "0                 Yo me iré al gym en unos minutos   \n",
       "1                           Ya ando en el gym amor   \n",
       "2                                  Te mandaré nota   \n",
       "3                                Te extraño poquis   \n",
       "4    He dormido mejor\\nSiento que no descansé nada   \n",
       "..                                             ...   \n",
       "745                          Pues ya toca casarnos   \n",
       "746                               Biennnnn\\n¿Y tu?   \n",
       "747                                 JAJAJJAJAJA no   \n",
       "748                      Casarme contigo algún día   \n",
       "749                     Me estaba acabando el café   \n",
       "\n",
       "                                             assistant  \n",
       "0    Super mi amorrr, disfruta mucho tu ejercicio, ...  \n",
       "1    Super mi amorrr, disfruta mucho tu ejercicio\\n...  \n",
       "2    Vale amor, mándame lo que quieras, que sí me g...  \n",
       "3    Igual te extraño poquis\\nIntentaré organizarme...  \n",
       "4                    Y por qué no duermes un rato más?  \n",
       "..                                                 ...  \n",
       "745      Por fiiiin, ya te habías tardado en decir eso  \n",
       "746                                         Bien igual  \n",
       "747                                        Ya dimeeeee  \n",
       "748  Awwww amoorr, sí quiero casarme contigo algún ...  \n",
       "749                               Disfruta tu cafecito  \n",
       "\n",
       "[750 rows x 3 columns]"
      ]
     },
     "execution_count": 28,
     "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": 29,
   "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": 30,
   "metadata": {},
   "outputs": [],
   "source": [
    "nombre_json = 'Training_data/Training_Prompts.jsonl'\n",
    "\n",
    "crear_json(chat_df,nombre_json)\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 31,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "El archivo tiene 750 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": 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
}