2

Tengo un dataframe en el que se encuentran una serie de datos con dos columnas. La primera columna tiene la forma nombredeusuario_numerodepregunta con un total de 18 preguntas por usuario y 30 usuarios en total. La segunda columna es la respuesta a la pregunta de los usuarios. Lo que quiero realizar es una función que me devuelva la suma de cuántas veces aparece la palabra 'eh' en las respuestas de cada usuario. Lo que no sé es como "filtrar" por nombre de usuario para que la suma sea por cada usuario. Tengo esta parte de código:

df2_eh = df_pr['transcript'].str.count('eh')
print(df2_eh)
df2_eh_sum = sum(df2_eh)
print(df2_eh_sum)

La columna 'trancript' es las respuestas de los usuarios. Pero esto solo me da el número de veces que aparece la palabra 'eh' en todo el documento y no separado por usuario. Muchas gracias de antemano.

Adjunto la estructura del dataframe:

      id     transcript
0   jose_P1  Hola
1   jose_P2  Me llamo Jose
2   jose_P3  eh El tenis
3   jose_P4  eh Mañana
4   alex_P1  muy bien hola
5   alex_P2  eh a las 2 de la tarde
0

1 respuesta 1

1

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
1
  • Muchísimas gracias por tu respuesta, me ha sido de gran ayuda. Un saludo! @abulafia Commented el 24 mar. 2022 a las 8:28

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.