diff --git a/python/aeFF.py b/python/aeFF.py
index 0a9568dc33417624d48b5f795d4982a35d07c0e7..ec8d17f4f0eefdd999846919559bda6ba33f689b 100644
--- a/python/aeFF.py
+++ b/python/aeFF.py
@@ -1,3 +1,6 @@
+# va bene fare la media per ogni combinazione theta phi di energia?
+# dato che divido per gli eventi detected va bene cosi o devo dividere per il totale
+# dei generati e moltiplicare per l'area della sorgente?
 import os
 import astropy.io.fits as fits
 import pandas as pd
@@ -18,26 +21,26 @@ def get_data(file_path):
         
         return energy, ratio_X, ratio_S
 
-def write_raw_results(output_file, results):
-    with open(output_file, "a") as f:
+def write_raw_results(output, results):
+    with open(output, "a") as f:
         for energy, ratio_X, ratio_S in results:
             f.write(f"{energy:.1f}\t{ratio_X:.3f}\t{ratio_S:.3f}\n")
 
 # se vuoi i dati rough commenta questa funzione
-def write_results(output_file):
-    # Questa riga legge il file .dat e crea un DataFrame
-    data = pd.read_csv(output_file, delim_whitespace=True, header=None, names=['energy', 'ratio_X', 'ratio_S'])
-    # Calcola la media per ogni valore unico di energia
-    result = data.groupby('energy').mean().reset_index()
-    # Approssima i risultati alla terza cifra decimale
-    result = result.round(3)
-    # Scrive il risultato nel file di output
-    result.to_csv(output_file, sep='\t', index=False, header=False)
+#def write_results(output_file):
+#    # Questa riga legge il file .dat e crea un DataFrame
+#    data = pd.read_csv(output_file, delim_whitespace=True, header=None, names=['energy', 'ratio_X', 'ratio_S'])
+#    # Calcola la media per ogni valore unico di energia
+#    result = data.groupby('energy').mean().reset_index()
+#    # Approssima i risultati alla terza cifra decimale
+#    result = result.round(3)
+#    # Scrive il risultato nel file di output
+#    result.to_csv(output_file, sep='\t', index=False, header=False)
 
 # Funzione che processa tutti i file .fits presenti nella folder
-def process_folder_parallel(folder_path, output_file):
+def process_folder_parallel(folder, output):
     # Crea una lista di file FITS trovati nella folder. Sorted per leggerli in ordine
-    files = sorted([os.path.join(folder_path, file) for file in os.listdir(folder_path) if file.endswith(".fits")], key=os.path.getmtime)
+    files = sorted([os.path.join(folder, file) for file in os.listdir(folder) if file.endswith(".fits")], key=os.path.getmtime)
     
     # Crea un pool di processi che permette di eseguire funzioni in parallelo.
     # Usa il metodo map() del pool per eseguire la funzione get_data() su ciascun file FITS in parallelo.
@@ -45,9 +48,9 @@ def process_folder_parallel(folder_path, output_file):
     with Pool() as pool:
         results = pool.map(get_data, files) # qui files รจ l'argomento che passi a get_data
     
-    write_raw_results(output_file, results)
+    write_raw_results(output, results)
     
-    write_results(output_file)
+    #write_results(output_file)
 
 if __name__ == "__main__":
     folder = "/home/alfonso/Scrivania/THESEUS/xgis_m7-main/fits"