"""
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 (classificeren, samenvatten) in een los module te zetten, kun je die
logica wel gewoon met pytest testen, en blijft app.py alleen de UI-laag.
"""

from __future__ import annotations

import pandas as pd

from nightscout_client import SENSOR_CHANGE_EVENT_TYPES, SITE_CHANGE_EVENT_TYPES

# Streefbereik in mmol/L — pas aan naar je eigen behandeldoelen.
TARGET_LOW = 3.9
TARGET_HIGH = 10.0


def classify_treatments(treatments: pd.DataFrame) -> dict[str, pd.DataFrame]:
    """Splits ruwe Nightscout-treatments op in aparte, tijd-gesorteerde subsets.

    Een insuline- en koolhydraat-registratie kunnen dezelfde treatment zijn
    (bijv. een "Meal Bolus" met zowel insuline als carbs) en verschijnen dan
    in beide subsets.
    """
    insulin = treatments[treatments["insulin"].fillna(0) > 0]
    carbs = treatments[treatments["carbs"].fillna(0) > 0]
    site_changes = treatments[treatments["eventType"].isin(SITE_CHANGE_EVENT_TYPES)]
    sensor_changes = treatments[treatments["eventType"].isin(SENSOR_CHANGE_EVENT_TYPES)]
    return {
        "insulin": insulin.reset_index(drop=True),
        "carbs": carbs.reset_index(drop=True),
        "site_changes": site_changes.reset_index(drop=True),
        "sensor_changes": sensor_changes.reset_index(drop=True),
    }


def glucose_status(mmol: float, low: float = TARGET_LOW, high: float = TARGET_HIGH) -> str:
    """Classificeer een glucosewaarde t.o.v. het streefbereik."""
    if mmol < low:
        return "low"
    if mmol > high:
        return "high"
    return "in_range"


def summarize_time_in_range(
    glucose: pd.DataFrame, low: float = TARGET_LOW, high: float = TARGET_HIGH
) -> dict[str, float]:
    """Bereken het percentage metingen onder/in/boven het streefbereik."""
    if glucose.empty:
        return {"low": 0.0, "in_range": 0.0, "high": 0.0}

    statuses = glucose["mmol"].apply(lambda v: glucose_status(v, low, high))
    counts = statuses.value_counts(normalize=True) * 100
    return {
        "low": round(counts.get("low", 0.0), 1),
        "in_range": round(counts.get("in_range", 0.0), 1),
        "high": round(counts.get("high", 0.0), 1),
    }