Update app.py

app.py

@@ -7,6 +7,7 @@ from io import BytesIO
 from collections import namedtuple
 import numpy as np
 import streamlit as st
+from groq import Groq
 
 def clean_text(text):
     return re.sub(r'\s+', ' ', text).strip()
@@ -78,7 +79,11 @@ def extract_info(provincia, comune, prezzo_medio_mq, listing):
 def scrape_immobiliare(provincia, comune, prezzo_medio_mq, prezzo_minimo, prezzo_massimo, locali_minimo, locali_massimo):
     print(provincia + " " + comune + " " + prezzo_medio_mq)
     comune_url = comune.replace(" ", "-")
-    base_url = f"https://www.immobiliare.it/vendita-case/{comune_url}/?prezzoMinimo={prezzo_minimo}&prezzoMassimo={prezzo_massimo}&localiMinimo={locali_minimo}&localiMassimo={locali_massimo}&random=123456"
+    if tipologia_case == "Asta Immobiliare":
+        tipologia_url = "aste-immobiliari"
+    else: 
+        tipologia_url = "vendita-case"
+    base_url = f"https://www.immobiliare.it/{tipologia_url}/{comune_url}/?prezzoMinimo={prezzo_minimo}&prezzoMassimo={prezzo_massimo}&localiMinimo={locali_minimo}&localiMassimo={locali_massimo}&random=123456"
     results = []
     page = 1
     url = base_url
@@ -120,11 +125,9 @@ def get_elenco_comuni(provincia):
                 'comune': comune,
                 'prezzo': prezzo_vendita
             })
-
     return results 
 
 st.set_page_config(layout="wide")
-
 st.title('🏠 Immobiliare A.I. ')
 st.write("##### Il tuo assistente di intelligenza artificiale per la ricerca di occasioni immobiliari")
 with st.expander("Informazioni"):
@@ -134,8 +137,14 @@ cerca_premuto = False
 comuni_provincia = {}
 
 with st.sidebar: 
-    comuni_provincia = get_elenco_comuni('Brescia')
+    if "numero_immobili_validi" not in st.session_state:
+        st.numero_immobili_validi = 0
+    comuni_provincia_Brescia = get_elenco_comuni('Brescia')
+    comuni_provincia_Bergamo = get_elenco_comuni('Bergamo')
+    comuni_provincia = comuni_provincia_Brescia + comuni_provincia_Bergamo
     st.title("Filtri")
+    
+    tipologia_case = st.selectbox("Tipologia", ("Acquisto Immobile", "Asta Immobiliare"))    
     elenco = [d['comune'] for d in comuni_provincia]
     comune_input = st.multiselect(
         "Comuni",
@@ -143,51 +152,63 @@ with st.sidebar:
     )
     prezzo_minimo = st.sidebar.slider("Prezzo Minimo", min_value=0, max_value=1000, value=200)
     prezzo_massimo = st.sidebar.slider("Prezzo Massimo", min_value=0, max_value=1000, value=230)
-
     locali = list(range(1, 21))  # Intervallo da 1 a 10
-    
-    # Select slider unico per selezionare l'intervallo del numero di locali
     locali_range = st.sidebar.select_slider(
         "Locali",
         options=locali,
         value=(locali[2], locali[4])  # Valore iniziale, da 1 a 5 locali
     )
+    mostra_grafici = st.toggle("Mostra grafici", value = True)
+    analisi_ai = st.toggle("Analizza i dati tramite l'A.I.", value = True)
 
-    # Dividi il range in minimo e massimo numero di locali
     locali_minimo, locali_massimo = locali_range
     prezzo_minimo = prezzo_minimo*1000
     prezzo_massimo = prezzo_massimo*1000
     cerca_premuto = st.button("Cerca", use_container_width=True, type='primary')
 
-#
-#if __name__ == "__main__":
-#    print(df)
-    
-def scrivi_dataframe(output):
+def scrivi_dataframe(output, riepilogo):
     if len(output) > 0: 
+        st.numero_immobili_validi = st.numero_immobili_validi + 1
+        if not riepilogo:
+            st.write(f"### {comune_provincia['comune']}")
         df = pd.DataFrame(output)
         df_originale = df.sort_values(by=["Vantaggio", "PrezzoMq"], ascending=[False, True])
-        columns_to_display = ["Vantaggioso", "Vantaggio", "Immagine", "Comune", "Titolo", "PrezzoMq", "Prezzo", "Superficie", "Locali", "PrezzoMedioMq", "Link"]
+        if not riepilogo:
+            columns_to_display = ["Vantaggioso", "Vantaggio", "Immagine", "Titolo", "PrezzoMq", "Prezzo", "Superficie", "Locali", "PrezzoMedioMq", "Link"]
+        else:
+            columns_to_display = ["Vantaggioso", "Vantaggio", "Immagine", "Comune", "Titolo", "PrezzoMq", "Prezzo", "Superficie", "Locali", "PrezzoMedioMq", "Link"]
+            
         df = df_originale[columns_to_display]
         df = df.style.format(thousands='.') 
-        
-        col0, col1, col2, col4 = st.columns(4, gap="large")
+        vantaggioso_count = df_originale["Vantaggioso"].sum()
+        total_rows = df_originale.shape[0]
 
-        with col1:
-            vantaggioso_count = df_originale["Vantaggioso"].sum()
-            total_rows = df_originale.shape[0]
-            st.metric("Numero Immobili", int(total_rows), int(vantaggioso_count))
-            st.write('Locali')
-            immobili_per_locali = df_originale.sort_values(by=["Locali"], ascending=[True]).groupby("Locali").size()
-            st.bar_chart(immobili_per_locali, color = "#ffb7b7", height=120)
-            
-        with col2: 
-            vantaggioso_count = df_originale["Vantaggioso"].sum()
-            total_rows = df_originale.shape[0]
-            st.metric("Numero Immobili", int(total_rows), int(vantaggioso_count))
-            st.write('Prezzo')
-            chart_data = df_originale["Prezzo"]
-            st.line_chart(chart_data, color = "#FF4B4B", height=120)
+        if mostra_grafici: 
+            col1, col2, col3 = st.columns(3)
+            with col1: 
+                vantaggioso_count = df_originale["Vantaggioso"].sum()
+                total_rows = df_originale.shape[0]
+                st.metric("Numero Immobili", int(total_rows), int(vantaggioso_count))
+                st.write('Prezzo Totale')
+                chart_data = df_originale["Prezzo"]
+                st.line_chart(chart_data, color = "#FF4B4B", height=110)
+
+            with col2:
+                vantaggioso_count = df_originale["Vantaggioso"].sum()
+                total_rows = df_originale.shape[0]
+                st.metric("% Immobili Vantaggiosi", int((vantaggioso_count/total_rows)* 100), 100-int((vantaggioso_count/total_rows)* 100))
+                st.write('Locali')
+                immobili_per_locali = df_originale.sort_values(by=["Locali"], ascending=[True]).groupby("Locali").size()
+                st.bar_chart(immobili_per_locali, color = "#ffb7b7", height=110)
+                
+            with col3: 
+                superficie_count = df_originale["Superficie"].sum()
+                total_rows = df_originale.shape[0]
+                st.metric("Media Superficie", int(superficie_count//total_rows), int(superficie_count))
+                st.write('Prezzo Medio al Metro Quadro')
+                chart_data = df_originale["PrezzoMq"]
+                st.area_chart(chart_data, color = "#FF4B4B", height=110)
+                        
         st.dataframe(df, hide_index=True, use_container_width=True, 
                     column_config ={
                         "Vantaggioso": st.column_config.CheckboxColumn("Vantaggioso"), 
@@ -211,31 +232,61 @@ def scrivi_dataframe(output):
                         "Locali": "Locali",
                         "Link": st.column_config.LinkColumn("App URL")
                     })    
-    
+        st.write(f"Riepilogando nel comune {comune_provincia['comune']} sono presenti **{vantaggioso_count} Immobili vantaggiosi** rispetto ai {total_rows} totali")
+        st.divider()
 
 
-if cerca_premuto and len(comune_input)>0:
-    comuni_selezionati = comune_input
-    comuni_selezionati = [comune.upper() for comune in comuni_selezionati]
-    output = []
-    output_singolo = []
-    for comune_provincia in comuni_provincia:
-        if comune_provincia['comune'].upper() in comuni_selezionati:
-            with st.spinner(f"Ricerca Immobili Comune: {comune_provincia['comune']}"):
-                output_singolo = json.loads(scrape_immobiliare(comune_provincia['provincia'], 
-                                                                comune_provincia['comune'], 
-                                                                comune_provincia['prezzo'], 
-                                                                prezzo_minimo, 
-                                                                prezzo_massimo, 
-                                                                locali_minimo, 
-                                                                locali_massimo))
-                st.write(f"### {comune_provincia['comune']}")
-                scrivi_dataframe(output_singolo)
-                st.divider()
-                output += output_singolo
-    if len(comuni_selezionati)>1:
-        st.write(f"### Comuni Selezionati")
-        scrivi_dataframe(output)
-    st.success("Elaborazione Completata")
-else:
-    st.error("Per favore, inserisci il nome di un comune.")    
+def  analizza_dati_ai(output):
+    Ak = "XXXXgsk_COQPhsuaXqvuCkKPryiQWGdyb3FYCHBSIcn30wk3ZZay8WYC6tpIXXXX"
+    client = Groq(api_key=Ak)
+    prompt_messages = [
+        {
+            "role": "system",
+            "content": "Sei un'assistente virtuale specializzata nel supporto agli investitori immobiliari. Il tuo compito è analizzare i dati di un file CSV contenente un elenco di immobili e fornire consigli, idee e analisi dettagliate per massimizzare il profitto attraverso la riqualificazione e rivendita degli stessi. Devi considerare vari fattori come la posizione degli immobili, il prezzo di acquisto, il potenziale valore di mercato post-riqualificazione, i costi stimati per la ristrutturazione e altri dati pertinenti. Il tuo obiettivo è offrire suggerimenti strategici basati sui dati, evidenziare le migliori opportunità di investimento, identificare eventuali rischi, e fornire consigli pratici per ottimizzare i profitti. Rispondi in modo chiaro, conciso e professionale."
+        },
+        {
+            "role": "user",
+            "content": f"Ho un file CSV con un elenco di immobili che sto considerando per un investimento. Vorrei che tu analizzassi i dati e mi fornissi consigli dettagliati su come posso massimizzare il mio profitto attraverso la riqualificazione e la rivendita di questi immobili. Per ogni immobile, per favore prendi in considerazione i seguenti aspetti:\n\n1. Valore attuale: Quanto vale l'immobile al momento dell'acquisto?\n2. Costi di riqualificazione stimati: Quanto potrebbe costare la ristrutturazione o la riqualificazione?\n3. Valore di mercato potenziale: Quanto potrebbe valere l'immobile una volta riqualificato?\n4. Rendimento potenziale: Qual è il margine di profitto previsto, tenendo conto dei costi totali?\n5. Tempistica di rivendita: In quanto tempo è probabile che l'immobile venga venduto una volta riqualificato?\n6. Analisi del mercato locale: Qual è la situazione del mercato immobiliare nella zona specifica? Ci sono trend emergenti?\n7. Rischi potenziali: Quali sono i possibili rischi o svantaggi legati a ciascun immobile?\nInfine, suggeriscimi le migliori opportunità di investimento tra gli immobili elencati, con una breve spiegazione del motivo per cui questi immobili sono i più promettenti.\n\n{output}"  
+        }
+    ]
+    response_area = st.empty()
+    completion = client.chat.completions.create(
+        model="llama-3.1-70b-versatile",
+        messages=prompt_messages,
+        temperature=1,
+        max_tokens=1024,
+        top_p=1,
+        stream=True,
+        stop=None,
+    )
+    response_text = ""
+    for chunk in completion:
+        response_text += chunk.choices[0].delta.content or ""
+        response_area.text(response_text)    
+
+if cerca_premuto: 
+    if len(comune_input)>0:
+        comuni_selezionati = comune_input
+        comuni_selezionati = [comune.upper() for comune in comuni_selezionati]
+        output = []
+        output_singolo = []
+        for comune_provincia in comuni_provincia:
+            if comune_provincia['comune'].upper() in comuni_selezionati:
+                with st.spinner(f"Ricerca Immobili Comune: {comune_provincia['comune']}"):
+                    output_singolo = json.loads(scrape_immobiliare(comune_provincia['provincia'], 
+                                                                    comune_provincia['comune'], 
+                                                                    comune_provincia['prezzo'], 
+                                                                    prezzo_minimo, 
+                                                                    prezzo_massimo, 
+                                                                    locali_minimo, 
+                                                                    locali_massimo))
+                    scrivi_dataframe(output_singolo, False)
+                    output += output_singolo
+        if len(comuni_selezionati)>1 and st.numero_immobili_validi>1:
+            st.write(f"### Comuni Selezionati")
+            scrivi_dataframe(output, True)
+        if st.numero_immobili_validi > 0 and analisi_ai:  
+            analizza_dati_ai(output)        
+        st.success("Elaborazione Completata")
+    else:
+        st.error("Per favore, inserisci il nome di un comune.")