excluir glucómetros y comidas de pacientes no incluidos

dinamyc.py

@@ -50,16 +50,24 @@ esperados = {
 reclutados = pd.read_json(url+"patients/")
 reclutados = pd.read_json(url+"patients/")
 reclutados.loc[~reclutados["include_in_analysis"], "finished_periods"] = 0
 reclutados.loc[~reclutados["include_in_analysis"], "finished_periods"] = 0
 participantes = reclutados.loc[reclutados["include_in_analysis"]]
 participantes = reclutados.loc[reclutados["include_in_analysis"]]
+excluidos = reclutados.loc[~reclutados["include_in_analysis"],"id"]
+
 
 
 # consulta online a la API para las visitas, que proporcionan la info de
 # consulta online a la API para las visitas, que proporcionan la info de
-# visitas y microbiota. la función regresa info solo de participantes *reales*
+# visitas y microbiota. la función regresa info solo de participantes incluidos
 visitas_datos = [ get_visit_data(visita) for visita in range(1, Visitas_e + 1)]
 visitas_datos = [ get_visit_data(visita) for visita in range(1, Visitas_e + 1)]
 
 
 # la info de glucómetro y comidas viene de clickhouse_connect.
 # la info de glucómetro y comidas viene de clickhouse_connect.
 comidas_df = test_ch_2_b.foods()
 comidas_df = test_ch_2_b.foods()
-glucometro_df = test_ch_2_b.glucometros()
+excluye = comidas_df.loc[comidas_df["patient"].isin(excluidos)].index
+comidas_df.drop(labels=excluye, axis=0, inplace=True)
+# creamos un dataframe que tiene como indice (patient, etapa) con el número respectivo de comidas.
 resumen_comidas = comidas_df.groupby(["patient","etapas"]).count()["Source"]
 resumen_comidas = comidas_df.groupby(["patient","etapas"]).count()["Source"]
 
 
+glucometro_df = test_ch_2_b.glucometros()
+excluye = glucometro_df.loc[glucometro_df["patient_id"].isin(excluidos)].index
+glucometro_df.drop(labels=excluye, axis=0, inplace=True)
+
 data_o = (
 data_o = (
     pd.read_csv("inventario.csv")
     pd.read_csv("inventario.csv")
 )
 )