Prodotti Skincare
Scopri tutti i nostri prodotti per curare la tua pelle
- All Products
- Acai
- Accessori
- Bergamotto
- Corpo
- cosmetici
- dermatite
- Epigenetic Beauty
- Home
- Maracuja
- Murumuru
- Olio di Buriti
- prodotti beauty
- Promo
- Skincare
- Back
- Crema Mani
- Idratazione Viso
- Burro-Corpo
- Detersione
- Back
- Sapone
- Profumatori d'ambiente
- Candele profumate
- Diffusore ambiente
![import os import glob import pandas as pd from ollama import Client # 1. CONFIGURA LA TUA CARTELLA SORGENTE CARTELLA_DATI = r"C:\I_Miei_Dati_Excel" if not os.path.exists(CARTELLA_DATI): os.makedirs(CARTELLA_DATI) print(f"[AVVISO] Ho creato la cartella vuota '{CARTELLA_DATI}'. Metti lì i tuoi file Excel!") client = Client() print("\n" + "="*60) print(" AI DATA AGENT - FLUSSO GUIDATO ULTRA-MIRATO") print("="*60) while True: print("\n[FASE 1] Quali colonne vuoi cercare nel file? (es. cliente, città)") campi_input = input("Inserisci i nomi delle colonne (separati da virgola) o 'esci': ") if campi_input.lower() == 'esci': break if not campi_input.strip(): continue # Teniamo traccia delle colonne esatte inserite dall'utente campi_cercati = [c.strip().lower() for c in campi_input.split(',')] file_excel = glob.glob(os.path.join(CARTELLA_DATI, "*.xlsx")) + glob.glob(os.path.join(CARTELLA_DATI, "*.xls")) if not file_excel: print("AI: Nessun file Excel trovato nella cartella.") continue file_idonei = {} for percorso_completo in file_excel: file_nome = os.path.basename(percorso_completo) try: df_headers = pd.read_excel(percorso_completo, nrows=1) colonne_reali = [str(c).strip().lower() for c in df_headers.columns] match_campi = True for campo in campi_cercati: if not any(campo in col for col in colonne_reali): match_campi = False break if match_campi: file_idonei[file_nome] = percorso_completo except Exception: continue if not file_idonei: print("\nAI: Nessun file contiene contemporaneamente le colonne richieste.") continue lista_file_idonei = list(file_idonei.keys()) file_selezionato_nome = lista_file_idonei[0] percorso_file_scelto = file_idonei[file_selezionato_nome] if len(lista_file_idonei) == 1: print(f"\n[Auto-Selezione] Trovato un unico file idoneo: {file_selezionato_nome}") else: print("\n--- FILE IDONEI TROVATI ---") for i, nome_f in enumerate(lista_file_idonei, 1): print(f"{i}. {nome_f}") print("---------------------------") scelta_file = input("Seleziona il numero del file da analizzare: ") try: file_selezionato_nome = lista_file_idonei[int(scelta_file) - 1] percorso_file_scelto = file_idonei[file_selezionato_nome] except: print("[ERRORE] Selezione non valida.") continue print(f"Caricamento in corso di: {file_selezionato_nome}...") try: if percorso_file_scelto.lower().endswith('.xls'): df = pd.read_excel(percorso_file_scelto, engine='xlrd') else: df = pd.read_excel(percorso_file_scelto) df.dropna(how='all', inplace=True) # Normalizzazione letterale rigida delle colonne originali df.columns = df.columns.str.strip().str.lower() # Pulizia e conversione in stringhe/numeri sicuri for col in df.columns: if any(x in col for x in ['quantità', 'quantita', 'vendite', 'prezzo', 'costo']): df[col] = df[col].astype(str).map(lambda x: x.replace('€', '').replace('.', '').replace(',', '.').strip() if pd.notnull(x) else '0') df[col] = pd.to_numeric(df[col], errors='coerce').fillna(0) else: df[col] = df[col].astype(str).map(lambda x: str(x).strip().replace("'", "").replace('"', '').lower() if pd.notnull(x) else '') except Exception as e: print(f"[ERRORE] Impossibile aprire il file: {e}") continue # --- FASE 2: INTERROGAZIONE GUIDATA FILTRATA SOLO SULLE COLONNE DATE --- print(f"\n[FASE 2] Configurazione filtri per il file '{file_selezionato_nome}'") df_filtrato = df.copy() # Ciclo mappato SOLO sulle colonne reali che corrispondono a quelle inserite nella Fase 1 colonne_da_chiedere = [col for col in df.columns if any(campo in col for campo in campi_cercati)] for colonna in colonne_da_chiedere: # Escludiamo a priori colonne numeriche di calcolo per evitare errori di digitazione if any(x in colonna for x in ['quantità', 'quantita', 'vendite', 'prezzo', 'costo', 'codice']): continue filtro_valore = input(f"Inserisci il valore da cercare per la colonna '{colonna}': ").strip().lower() if filtro_valore: df_filtrato = df_filtrato[df_filtrato[colonna].astype(str).map(lambda x: filtro_valore in x)] # Chiediamo quale colonna numerica sommare alla fine colonne_numeriche = [c for c in df.columns if any(x in c for x in ['quantità', 'quantita', 'vendite', 'prezzo', 'costo'])] print(f"\nColonne numeriche disponibili per il totale: {colonne_numeriche}") colonna_totale = input("Quale colonna vuoi sommare? (es. quantità): ").strip().lower() if colonna_totale in df_filtrato.columns: risultato_reale = df_filtrato[colonna_totale].sum() if hasattr(risultato_reale, 'item'): risultato_reale = risultato_reale.item() if isinstance(risultato_reale, float) and risultato_reale.is_integer(): risultato_reale = int(risultato_reale) print(f"\n[Elaborazione RAM] Numero di righe trovate dal filtro: {len(df_filtrato)}") # Generazione risposta finale basata solo sulla matematica vera di Python prompt_finale = f"""Rispondi in lingua italiana. Hai eseguito un calcolo su un file Excel. Colonna sommata: '{colonna_totale}' Risultato matematico esatto ottenuto: {risultato_reale} File analizzato: {file_selezionato_nome} Scrivi una breve frase in italiano che confermi il totale calcolato.""" print(f"\nAI: {client.generate(model='llama3:8b', prompt=prompt_finale)['response']}") e](https://sp-ao.shortpixel.ai/client/to_webp,q_glossy,ret_img,w_500,h_500/https://agenovskincare.com/wp-content/uploads/2025/11/Nadah-Longevity-Crema-viso-500x500.png)
