Arregle que la glucosa de algunos pacientes no salia, ya salen la de todos los…

Arregle que la glucosa de algunos pacientes no salia, ya salen la de todos los pacientes que deberían

estadisticas_comidas.py

@@ -269,6 +269,9 @@ comidas["iAUC"] = comidas["post-AUC"] - comidas["pre-AUC"] * 2
 
 df_total = pd.read_csv("test.csv")
 df_total = df_total[df_total["etapas"] == "e1"]
+id_patients = set(range(30,217))
+ids_presentes = set(df_total['patient'])
+ids_faltantes = list(id_patients - ids_presentes)
 df_total['FH_salto'] = pd.to_datetime(df_total['FH_salto'])
 df_total['FH_reportada'] = pd.to_datetime(df_total['FH_reportada'])
 df_total['FH_foto'] = pd.to_datetime(df_total['FH_foto'])
@@ -382,7 +385,7 @@ app.layout = html.Div(children=[
      Input('rango', 'value')],
 )
 def update_graph(selected_pat, rango_str):
-    if selected_pat not in df_total['patient']:
+    if selected_pat in ids_faltantes:
         return go.Figure()
     if not selected_pat or not rango_str:
         return {} 
@@ -391,6 +394,8 @@ def update_graph(selected_pat, rango_str):
     glucosa = readGlucosa(selected_pat)
     visita = readVisitas(1)
     fecha_visita1 = pd.to_datetime(visita.loc[visita['id'] == selected_pat, 'visit_date'].iloc[0])
+    if glucosa.empty:
+        return go.Figure() 
     filtered_glucosa = glucosa[(glucosa['date_time'] >= fecha_visita1) & 
                                (glucosa['date_time'] <= fecha_visita1 + pd.Timedelta(days=15))]
     
@@ -403,12 +408,12 @@ def update_graph(selected_pat, rango_str):
                              mode='lines', 
                              name='Glucosa paciente visita 1'))
     fig.update_layout(yaxis=dict(range=[50,200]))
-    y_foods = np.interp(patient_foods['FH_reportada'], glucosa['date_time'], glucosa['value']) # interpolar fecha de las comidas con glucosa
+    y_foods = np.interp(patient_foods['FH_reportada'], (glucosa['date_time']), glucosa['value']) # interpolar fecha de las comidas con glucosa
     distancias = abs((patient_foods['FH_salto'] - patient_foods['FH_reportada']).dt.total_seconds()) / 60
     distancias_df = pd.concat([distancias,patient_foods['FH_reportada'], patient_foods['FH_foto']], axis=1, ignore_index=True)
     distancias_df.columns = ['Distancia','FH_reportada', 'FH_foto']
 
-    y_foto = np.interp(pd.to_numeric(patient_foods['FH_foto']), pd.to_numeric(glucosa['date_time']),  # interpolar fecha de la foto con glucosa
+    y_foto = np.interp(patient_foods['FH_foto'], glucosa['date_time'],  # interpolar fecha de la foto con glucosa
                         glucosa['value'])
     
     # valores del dropdown y separarlos para convertirlos en una lista
@@ -426,8 +431,8 @@ def update_graph(selected_pat, rango_str):
     fotos_wfoods = distancias_rango.set_index('FH_reportada')['FH_foto']
     if distancias_rango.empty:
         return fig 
-    y_distancias = np.interp(pd.to_numeric(distancias_rango['FH_reportada']), pd.to_numeric(glucosa['date_time']), glucosa['value']) #interpolar la fecha de las distancias con glucosa
-    y_foto_wfood = np.interp(pd.to_numeric(fotos_wfoods.values), pd.to_numeric(glucosa['date_time']), glucosa['value'])
+    y_distancias = np.interp(distancias_rango['FH_reportada'], glucosa['date_time'], glucosa['value']) #interpolar la fecha de las distancias con glucosa
+    y_foto_wfood = np.interp(fotos_wfoods.values, glucosa['date_time'], glucosa['value'])
     fig.add_trace(go.Scatter(x=distancias_rango['FH_reportada'], 
                              y=y_distancias, 
                              mode='markers',