Descrizione
Olio struccante-detergente innovativo formulato sotto forma di gel morbido, la sua texture vellutata si fonde sulla pelle, e a contatto con l’acqua, si trasforma in una morbida emulsione lattea che rimuove delicatamente trucco, impurità e sebo in eccesso, liberando i pori senza alterare l’equilibrio naturale della pelle, che rimane pulita, morbida e idratata.
AGENOV RAPPRESENTA UN NUOVO STILE PER LA TUA SKINCARE
E’ il nuovo brand di skincare, ideato da Carmen Silveira, che propone una “età nuova” un ritorno alla giovinezza ed integrità della nostra pelle e della natura che ci circonda.
![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)
