first commit

data_processing.py

@@ -0,0 +1,52 @@
+"""
+Data processing logic voor het glucose-dashboard.
+
+Bewust gescheiden van app.py: Streamlit-UI-code kun je niet zomaar los
+unit-testen (die heeft een draaiende Streamlit-context nodig). Door de
+logica (inladen, aggregeren) in een los module te zetten, kun je die
+logica wel gewoon met pytest testen, en blijft app.py alleen de UI-laag.
+"""
+
+from pathlib import Path
+
+import pandas as pd
+
+DATA_PATH = Path(__file__).parent / "data" / "glucose_readings.csv"
+
+
+def load_data(path: Path = DATA_PATH) -> pd.DataFrame:
+    """Laad de ruwe metingen in.
+
+    Verwacht kolommen: 'timestamp' (parsebaar als datetime) en
+    'glucose_value' (numeriek). Vervang deze functie later door je
+    eigen databron (database, CGM-export, API-call, etc.) — de rest
+    van de app blijft dan ongewijzigd werken.
+    """
+    df = pd.read_csv(path, parse_dates=["timestamp"])
+    return df
+
+
+def filter_by_date(df: pd.DataFrame, selected_date) -> pd.DataFrame:
+    """Filter de dataset op een enkele kalenderdag."""
+    return df[df["timestamp"].dt.date == selected_date]
+
+
+def hourly_average(df: pd.DataFrame) -> pd.DataFrame:
+    """Groepeer per uur (0-23) en bereken de gemiddelde waarde.
+
+    Geeft een DataFrame terug met kolommen 'hour' en 'glucose_value',
+    één rij per uur waarin daadwerkelijk data zit.
+    """
+    if df.empty:
+        return pd.DataFrame(columns=["hour", "glucose_value"])
+
+    working = df.copy()
+    working["hour"] = working["timestamp"].dt.hour
+    result = (
+        working.groupby("hour")["glucose_value"]
+        .mean()
+        .round(1)
+        .reset_index()
+        .sort_values("hour")
+    )
+    return result