Para poder ofrecerte una solución lo primero es tener los datos.
Voy a escribir seguidamente un poco de código para generar un dataframe con esta estructura y con el número correcto de elementos. Para los nombres de usuario usaré Nombre00
, Nombre01
etc.. y para los números de pregunta P00
,P01
, etc. Las respuestas son palabras elegidas al azar de una lista, entre las que aparece la palabra "eh".
Generación de un dataframe de muestra
from itertools import product
from random import choice
import pandas as pd
palabras = "esto es una prueba con varias palabras para generar respuestas al azar eh eh".split()
def random_answer():
return " ".join(choice(palabras) for i in range(10))
d = { "clave": [], "transcript": []}
for user, q in product(range(30), range(18)):
d["id"].append(f"nombre{user:02d}_P{q:02d}")
d["transcript"].append(random_answer())
df_pr = pd.DataFrame(d)
Esta es una muestra del dataframe df_pr
que tiene en realidad 540 filas (30x18):
|
id |
transcript |
0 |
nombre00_P00 |
esto eh al para con una al eh esto prueba |
1 |
nombre00_P01 |
prueba para una eh con palabras respuestas generar una al |
2 |
nombre00_P02 |
una eh es al prueba prueba con eh eh con |
3 |
nombre00_P03 |
generar al respuestas eh es es con generar para eh |
4 |
nombre00_P04 |
una para para palabras es eh una para respuestas generar |
Solución a la pregunta
Lo que hay que hacer es crear una nueva columna que contenga solo el nombre, para así poder realizar después un groupby()
en ella.
La siguiente líneas extraen el nombre de la columna clave
, haciendo un rsplit()
(split por la derecha) por el carácter _, pero deteniéndose en la primera división (n=1
), por si acaso hay más caracteres _
dentro del nombre. El nombre extraido se asigna a una nueva columna llamada "Nombre"
:
df_pr["Nombre"] = df_pr.id.str.rsplit("_", n=1).str[0]
Seguidamente añadimos otra columna llamada contador
que contenga el número de "eh" en cada fila:
df_pr["contador"] = df_pr.transcript.str.count('eh')
Ahora mismo el dataframe tendría esto:
|
id |
transcript |
Nombre |
contador |
0 |
nombre00_P00 |
esto eh al para con una al eh esto prueba |
nombre00 |
2 |
1 |
nombre00_P01 |
prueba para una eh con palabras respuestas generar una al |
nombre00 |
1 |
2 |
nombre00_P02 |
una eh es al prueba prueba con eh eh con |
nombre00 |
3 |
3 |
nombre00_P03 |
generar al respuestas eh es es con generar para eh |
nombre00 |
2 |
4 |
nombre00_P04 |
una para para palabras es eh una para respuestas generar |
nombre00 |
1 |
Ya sólo queda agrupar por nombre y aplicar .sum()
a la columna contador
de los grupos:
result = df_pr.groupby("Nombre").contador.sum()
print(result)
El resultado que sale (para mi ejemplo aleatorio) es:
Nombre
nombre00 30
nombre01 32
nombre02 20
nombre03 33
nombre04 31
nombre05 24
nombre06 19
nombre07 19
nombre08 18
nombre09 24
nombre10 28
nombre11 28
nombre12 25
nombre13 23
nombre14 24
nombre15 31
nombre16 28
nombre17 28
nombre18 26
nombre19 18
nombre20 24
nombre21 23
nombre22 22
nombre23 29
nombre24 33
nombre25 22
nombre26 28
nombre27 21
nombre28 23
nombre29 29