elev_plot display style update - gradient fill, heart_rate bmp Zones new display style

fit_app.py

@@ -423,8 +423,7 @@ def create_map_plot(df):
 
 
 
-######################
+# #####################
-# NEUE VERSION:
 def create_elevation_plot(df, smooth_points=500):
     # Originale Daten
     x = df['time']
@@ -433,23 +432,17 @@ def create_elevation_plot(df, smooth_points=500):
     # Einfache Glättung: nur Y-Werte glätten, X-Werte beibehalten
     if len(y) >= 4:  # Genug Punkte für cubic interpolation
         y_numeric = y.to_numpy()
-
         # Nur gültige Y-Punkte für Interpolation
         mask = ~np.isnan(y_numeric)
-
         if np.sum(mask) >= 4:  # Genug gültige Punkte
             # Index-basierte Interpolation für Y-Werte
             valid_indices = np.where(mask)[0]
             valid_y = y_numeric[mask]
-
             # Interpolation über die Indizes
-            f = interp1d(valid_indices, valid_y, kind='cubic',
+            f = interp1d(valid_indices, valid_y, kind='cubic', bounds_error=False, fill_value='extrapolate')
-                        bounds_error=False, fill_value='extrapolate')
-
             # Neue Y-Werte für alle ursprünglichen X-Positionen
             all_indices = np.arange(len(y))
             y_smooth = f(all_indices)
-
             # Originale X-Werte beibehalten
             x_smooth = x
         else:
@@ -461,40 +454,96 @@ def create_elevation_plot(df, smooth_points=500):
 
     fig = go.Figure()
 
-    # Fläche unter der Kurve (mit geglätteten Daten)
+    # Separate Behandlung für positive und negative Bereiche
-    fig.add_trace(go.Scatter(
+    y_array = np.array(y_smooth)
-        x=x_smooth, y=y_smooth,
+    x_array = np.array(x_smooth)
-        mode='lines',
-        line=dict(color='#1CAF50'),      # Fill between color!
-        fill='tozeroy',
-        #fillcolor='rgba(226, 241, 248)',
-        hoverinfo='skip',
-        showlegend=False
-    ))
 
-    # Hauptlinie (geglättet)
+    # Positive Bereiche (Anstiege) - Gradient von transparent unten zu grün oben
+    positive_mask = y_array >= 0
+    if np.any(positive_mask):
+        # Nulllinie für positive Bereiche
+        fig.add_trace(go.Scatter(
+            x=x_array,
+            y=np.zeros_like(y_array),
+            mode='lines',
+            line=dict(width=0),
+            hoverinfo='skip',
+            showlegend=False
+        ))
+
+        # Positive Bereiche mit Gradient nach oben
+        fig.add_trace(go.Scatter(
+            x=x_array,
+            y=np.where(y_array >= 0, y_array, 0),  # Nur positive Werte
+            fill='tonexty',  # Fill zur vorherigen Trace (Nulllinie)
+            mode='lines',
+            line=dict(width=0),
+            fillgradient=dict(
+                type="vertical",
+                colorscale=[
+                    (0.0, "rgba(17, 17, 17, 0.0)"),    # Transparent unten (bei y=0)
+                    (1.0, "rgba(43, 82, 144, 0.8)")     # Blau oben (bei maximaler Höhe)  Grün: 73, 189, 115
+                ]
+            ),
+            hoverinfo='skip',
+            showlegend=False
+        ))
+
+    # Negative Bereiche (Abstiege) - Gradient von grün unten zu transparent oben
+    negative_mask = y_array < 0
+    if np.any(negative_mask):
+        # Nulllinie für negative Bereiche
+        fig.add_trace(go.Scatter(
+            x=x_array,
+            y=np.where(y_array < 0, y_array, 0),  # Nur negative Werte
+            mode='lines',
+            line=dict(width=0),
+            hoverinfo='skip',
+            showlegend=False
+        ))
+
+        # Negative Bereiche mit Gradient nach unten
+        fig.add_trace(go.Scatter(
+            x=x_array,
+            y=np.zeros_like(y_array),
+            fill='tonexty',  # Fill zur vorherigen Trace (negative Werte)
+            mode='lines',
+            line=dict(width=0),
+            fillgradient=dict(
+                type="vertical",
+                colorscale=[
+                    (0.0, "rgba(43, 82, 144, 0.8)"),    # Blau unten (bei minimaler Tiefe)
+                    (1.0, "rgba(17, 17, 17, 0.0)")     # Transparent oben (bei y=0)
+                ]
+            ),
+            hoverinfo='skip',
+            showlegend=False
+        ))
+
+    # Hauptlinie (geglättet) - über allem
     fig.add_trace(go.Scatter(
-        x=x_smooth, y=y_smooth,
+        x=x_smooth,
+        y=y_smooth,
         mode='lines',
-        line=dict(color='#084C20', width=2), # Line color!
+        line=dict(color='#2b5290', width=2),  # Weiße Linie für bessere Sichtbarkeit
         name='Elevation',
         showlegend=False
     ))
 
-    # SUPDER IDEE, ABER GEHT NICHT WEGEN NEUEN smoothed POINTS! GEHT NUR BEI X
+    # Add horizontal reference line at y=0
-    #fig.update_traces(
+    fig.add_shape(
-    #    hovertemplate=(
+        type='line',
-    #        #"Time: %{customdata[0]}<br>" +
+        x0=df['time_loc'].iloc[0],
-    #        "Distance (km): %{customdata[0]:.2f}<br>" +
+        x1=df['time_loc'].iloc[-1],
-    #        "Elevation: %{customdata[1]}<extra></extra>" +
+        y0=0,
-    #        "Elapsed Time: %{customdata[2]}<extra></extra>"
+        y1=0,
-    #    ),
+        line=dict(color='gray', width=1, dash='dash'),
-    #    customdata=df[['cum_dist_km','elev', 'time']]
+        name='Durchschnittstempo'
-    #
+    )
 
     # Layout im Dark Theme
     fig.update_layout(
-        title=dict(text='Höhenprofil relativ zum Startwert', font=dict(size=16, color='white')),
+        title=dict(text='Höhenprofil (relativ zum Ausgangswert: 0m)', font=dict(size=16, color='white')),
         xaxis_title='Zeit',
         yaxis_title='Höhe relativ zum Start (m)',
         template='plotly_dark',
@@ -507,6 +556,92 @@ def create_elevation_plot(df, smooth_points=500):
 
     return fig
 
+# Alte Version - normaler gradient fill between:
+# def create_elevation_plot(df, smooth_points=500):
+#     # Originale Daten
+#     x = df['time']
+#     y = df['rel_elev']
+#
+#     # Einfache Glättung: nur Y-Werte glätten, X-Werte beibehalten
+#     if len(y) >= 4:  # Genug Punkte für cubic interpolation
+#         y_numeric = y.to_numpy()
+#
+#         # Nur gültige Y-Punkte für Interpolation
+#         mask = ~np.isnan(y_numeric)
+#
+#         if np.sum(mask) >= 4:  # Genug gültige Punkte
+#             # Index-basierte Interpolation für Y-Werte
+#             valid_indices = np.where(mask)[0]
+#             valid_y = y_numeric[mask]
+#
+#             # Interpolation über die Indizes
+#             f = interp1d(valid_indices, valid_y, kind='cubic',
+#                         bounds_error=False, fill_value='extrapolate')
+#
+#             # Neue Y-Werte für alle ursprünglichen X-Positionen
+#             all_indices = np.arange(len(y))
+#             y_smooth = f(all_indices)
+#
+#             # Originale X-Werte beibehalten
+#             x_smooth = x
+#         else:
+#             # Fallback: originale Daten
+#             x_smooth, y_smooth = x, y
+#     else:
+#         # Zu wenige Punkte: originale Daten verwenden
+#         x_smooth, y_smooth = x, y
+#
+#     fig = go.Figure()
+#
+#     # Fläche unter der Kurve (mit geglätteten Daten)
+#     fig.add_trace(go.Scatter(
+#         x=x_smooth, y=y_smooth,
+#         mode='lines',
+#         line=dict(color='#1CAF50'),      # Fill between color!
+#         fill='tozeroy',
+#         #fillcolor='rgba(226, 241, 248)',
+#         hoverinfo='skip',
+#         showlegend=False
+#     ))
+#
+#     # Hauptlinie (geglättet)
+#     fig.add_trace(go.Scatter(
+#         x=x_smooth, y=y_smooth,
+#         mode='lines',
+#         line=dict(color='#084C20', width=2), # Line color!
+#         name='Elevation',
+#         showlegend=False
+#     ))
+#
+#     # SUPDER IDEE, ABER GEHT NICHT WEGE NEUEN smoothed POINTS! GEHT NUR BEI X
+#     #fig.update_traces(
+#     #    hovertemplate=(
+#     #        #"Time: %{customdata[0]}<br>" +
+#     #        "Distance (km): %{customdata[0]:.2f}<br>" +
+#     #        "Elevation: %{customdata[1]}<extra></extra>" +
+#     #        "Elapsed Time: %{customdata[2]}<extra></extra>"
+#     #    ),
+#     #    customdata=df[['cum_dist_km','elev', 'time']]
+#     #
+#
+#     # Layout im Dark Theme
+#     fig.update_layout(
+#         title=dict(text='Höhenprofil relativ zum Startwert', font=dict(size=16, color='white')),
+#         xaxis_title='Zeit',
+#         yaxis_title='Höhe relativ zum Start (m)',
+#         template='plotly_dark',
+#         paper_bgcolor='#1e1e1e',
+#         plot_bgcolor='#111111',
+#         font=dict(color='white'),
+#         margin=dict(l=40, r=40, t=50, b=40),
+#         height=400
+#     )
+#
+#     return fig
+# #####################
+
+
+
 
 
 def create_deviation_plot(df):  #Distanz-Zeit-Diagramm
@@ -613,7 +748,7 @@ def create_heart_rate_plot(df):
         y=df['hr_smooth'][~mask],
         mode='lines',
         #name='Geglättete Herzfrequenz',
-        line=dict(color='#E43D70', width=2),
+        line=dict(color='#ff2c48', width=2),
         showlegend=False,
         hovertemplate=(
             "Zeit: %{x}<br>" +
@@ -648,7 +783,7 @@ def create_heart_rate_plot(df):
 
         # Annotation für Durchschnittswert
         fig.add_annotation(
-            x=df['time_loc'].iloc[int(len(df) * 0.8)],  # Bei 80% der Zeit
+            x=df['time_loc'].iloc[int(len(df) * 0.5)],  # Bei 50% der Zeit
             y=mean_hr,
             text=f"Ø {mean_hr:.0f} bpm",
             showarrow=True,
@@ -664,13 +799,20 @@ def create_heart_rate_plot(df):
         # Geschätzte maximale Herzfrequenz (Beispiel: 200 bpm)
         max_hr_estimated = 200  # oder z. B. 220 - alter
 
-        # Definiere feste HR-Zonen in BPM
+        ## Definiere feste HR-Zonen in BPM
+        #zones = [
+        #    {"name": "Zone 1", "lower": 0,   "upper": 124, "color": "#F4A4A3"}, # Regeneration (Recovery)
+        #    {"name": "Zone 2", "lower": 124, "upper": 154, "color": "#EF7476"}, # Grundlagenausdauer (Endurance)
+        #    {"name": "Zone 3", "lower": 154, "upper": 169, "color": "#EA4748"}, # Tempo (Aerob)
+        #    {"name": "Zone 4", "lower": 169, "upper": 184, "color": "#E02628"}, # Schwelle (Threshold) (Anaerob)
+        #    {"name": "Zone 5", "lower": 184, "upper": max_hr_estimated, "color": "#B71316"}, # Neuromuskulär (Neuromuskulär)
+        #]
         zones = [
-            {"name": "Zone 1", "lower": 0,   "upper": 124, "color": "#F4A4A3"}, # Regeneration (Recovery)
+            {"name": "Zone 1", "lower": 0,   "upper": 124, "color": "#4A4A4A"}, # Regeneration (Recovery) (#111111 Transparent)
-            {"name": "Zone 2", "lower": 124, "upper": 154, "color": "#EF7476"}, # Grundlagenausdauer (Endurance)
+            {"name": "Zone 2", "lower": 124, "upper": 154, "color": "#87CEFA"}, # Grundlagenausdauer (Endurance)
-            {"name": "Zone 3", "lower": 154, "upper": 169, "color": "#EA4748"}, # Tempo
+            {"name": "Zone 3", "lower": 154, "upper": 169, "color": "#90EE90"}, # Tempo (Aerob)
-            {"name": "Zone 4", "lower": 169, "upper": 184, "color": "#E02628"}, # Schwelle (Threshold)
+            {"name": "Zone 4", "lower": 169, "upper": 184, "color": "#FFDAB9"}, # Schwelle (Threshold) (Anaerob)
-            {"name": "Zone 5", "lower": 184, "upper": max_hr_estimated, "color": "#B71316"}, # Anaerob
+            {"name": "Zone 5", "lower": 184, "upper": max_hr_estimated, "color": "#FFB6C1"}, # Neuromuskulär (Neuromuskulär)
         ]
 
         # Zeichne Zonen als Hintergrund (horizontale Rechtecke)
@@ -698,7 +840,7 @@ def create_heart_rate_plot(df):
         ),
         yaxis=dict(
             title='Herzfrequenz (bpm)',
-            rangemode='tozero'
+            range=[80, 200]  # Statt rangemode='tozero'
         ),
         template='plotly_dark',
         paper_bgcolor='#1e1e1e',
@@ -762,13 +904,14 @@ def create_pace_bars_plot(df):
     # Step 4: Create Plotly bar chart
     fig = go.Figure()
     fig.add_trace(go.Bar(
-        x=df['km_start'],
+        x=df['km_start'],  # Mittig unter jeder Bar
         y=df['pace_min_per_km'],
         width=df['segment_len'],
         text=[f"{v:.1f} min/km" if pd.notnull(v) else "" for v in df['pace_min_per_km']],
         #textposition='outside',
         textposition='inside',
         marker_color='#125595',
+        opacity=0.9,     # Transparenz
         name='Pace pro km',
         offset=0
     ))