python - 将 2 位发言者的对话从时间戳分组到数据帧 : Pandas

Question

我有两个发言者“A”和“B”之间的对话及其时间戳。连续的 A 直到 B 提出问题，后面的 B 直到 A 给出问题的答案。我想制作一个问答对，其中 A 提出问题，B 回答(这将是数据框的一行)

注意:每个时间戳都会说出一个单词数据集如下所示:

<表类=“s-表”><标题>索引字偏移量发言者 <正文>85该433900000一个86客户端439300000一个87要求443600000一个88的449800000一个89正在迁移451400000一个90到456800000一个91首页457400000B92该462800000一个93雪花463700000一个94业力509800000B

我刚刚开始学习python，所以请不要太严厉。这是我的代码:

filename="https://docs.google.com/spreadsheets/d/1Sn1RHvhdHIrCuO_Yebohyk17Ow0IkBej/edit?usp=sharing&ouid=105987366122617111891&rtpof=true&sd=true"

`import pandas as pd
 df2=pd.read_excel(filename="")
 df3=pd.DataFrame(index=np.arange(100), columns=["Question","Answer"])
 a=[]
 j=0
 for i in range(len(df2)):
     while(df2["Speaker"][i]=="A"):
        a.append(df2["Word"][i])
 df3["Question"][j]=a
 a.clear()
     else:
        a.append(df2["Word"][i])
 df3["Answer"][j]=a
 a.clear()
 j=j+1`

Answer 1

在您简单地标记与不同说话者相关的每条线索后，不进行排序的 groupby 操作将提供结果。

import pandas as pd
import itertools
df = pd.read_excel('dataset.xlsx')
string_groups = sum([['%s_%s' % (i,n) for i in g] for n,(k,g) in enumerate(itertools.groupby(df.Speaker))],[])
df['Sector'] = string_groups
print(df.groupby('Sector', sort=False).agg({'Word': ' '.join}))

输出:

                                                     Word
Sector                                                   
A_0     the problem customer problem why are they migr...
B_1                                                  yeah
A_2     so what exactly is the client requirement of m...
B_3                                                  home
A_4                                         the snowflake
B_5                             karma city park now it is