Heart Rate data length of index mismatch fix - FIT app Version

fit_app.py

@@ -27,40 +27,94 @@ from fitparse import FitFile
 
 # === Helper Functions ===
 def list_fit_files():
+    """
+    Listet alle .fit Files im Verzeichnis auf und sortiert sie nach Datum
+    """
     folder = './fit_files'
-    files = [f for f in os.listdir(folder) if f.lower().endswith('.fit')]
 
-    # Extract date from the start of the filename and sort descending
+    # Prüfe ob Ordner existiert
+    if not os.path.exists(folder):
+        print(f"Ordner {folder} existiert nicht!")
+        return [{'label': 'Ordner nicht gefunden', 'value': 'NO_FOLDER'}]
+
+    # Hole alle .fit Files
+    try:
+        all_files = os.listdir(folder)
+        files = [f for f in all_files if f.lower().endswith('.fit')]
+    except Exception as e:
+        print(f"Fehler beim Lesen des Ordners: {e}")
+        return [{'label': 'Fehler beim Lesen', 'value': 'ERROR'}]
+
     def extract_date(filename):
+        """Extrahiert Datum aus Filename für Sortierung"""
         try:
-            return datetime.datetime.strptime(filename[:10], '%d.%m.%Y')  # Format DD.MM.YYYY
+            # Versuche verschiedene Datumsformate
+            return datetime.datetime.strptime(filename[:10], '%d.%m.%Y')
         except ValueError:
             try:
-                return datetime.datetime.strptime(filename[:10], '%Y-%m-%d')  # Format YYYY-MM-DD
+                return datetime.datetime.strptime(filename[:10], '%Y-%m-%d')
             except ValueError:
-                return datetime.datetime.min  # Ungültige -> ans Ende
+                try:
+                    # Versuche auch andere Formate
+                    return datetime.datetime.strptime(filename[:8], '%Y%m%d')
+                except ValueError:
+                    # Wenn kein Datum erkennbar, nutze Datei-Änderungsdatum
+                    try:
+                        file_path = os.path.join(folder, filename)
+                        return datetime.datetime.fromtimestamp(os.path.getmtime(file_path))
+                    except:
+                        return datetime.datetime.min
 
+    # Sortiere Files nach Datum (neueste zuerst)
     files.sort(key=extract_date, reverse=True)
 
-    # Dropdown-Einträge bauen
+    # Erstelle Dropdown-Optionen
     if files:
-        return [{'label': f, 'value': os.path.join(folder, f)} for f in files]
+        options = []
+        for f in files:
+            file_path = os.path.join(folder, f)
+            # Zeige auch Dateigröße und Änderungsdatum an
+            try:
+                size_mb = os.path.getsize(file_path) / (1024 * 1024)
+                mod_time = datetime.datetime.fromtimestamp(os.path.getmtime(file_path))
+                label = f"{f}"
+                #label = f"{f} ({size_mb:.1f}MB - {mod_time.strftime('%d.%m.%Y %H:%M')}\n)"  # For debugging purpose
+            except:
+                label = f
+
+            options.append({
+                'label': label,
+                'value': file_path
+            })
+        return options
     else:
-        # Dummy-Eintrag, damit es nie crasht
+        return [{'label': 'Keine .fit Dateien gefunden', 'value': 'NO_FILE'}]
-        return [{
-            'label': 'Keine FIT-Datei gefunden',
-            'value': 'NO_FILE'
-        }]
 
 def haversine(lon1, lat1, lon2, lat2):
-    R = 6371
+    """
+    Berechnet die Entfernung zwischen zwei GPS-Koordinaten in km
+    """
+    R = 6371  # Erdradius in km
     dlon = radians(lon2 - lon1)
     dlat = radians(lat2 - lat1)
     a = sin(dlat/2)**2 + cos(radians(lat1)) * cos(radians(lat2)) * sin(dlon/2)**2
     return 2 * R * asin(sqrt(a))
 
 def process_fit(file_path):
+    """
+    Verarbeitet eine FIT-Datei und erstellt einen DataFrame
+    """
+    if file_path in ['NO_FILE', 'NO_FOLDER', 'ERROR']:
+        print(f"Ungültiger Dateipfad: {file_path}")
+        return pd.DataFrame()
+
+    if not os.path.exists(file_path):
+        print(f"Datei nicht gefunden: {file_path}")
+        return pd.DataFrame()
+
+    try:
         fit_file = FitFile(file_path)
+        print(f"Verarbeite FIT-Datei: {file_path}")
 
         # Sammle alle record-Daten
         records = []
@@ -71,8 +125,13 @@ def process_fit(file_path):
                 record_data[data.name] = data.value
             records.append(record_data)
 
+        if not records:
+            print("Keine Aufzeichnungsdaten in der FIT-Datei gefunden")
+            return pd.DataFrame()
+
         # Erstelle DataFrame
         df = pd.DataFrame(records)
+        print(f"DataFrame erstellt mit {len(df)} Zeilen und Spalten: {list(df.columns)}")
 
         # Debugging: Schaue welche Spalten verfügbar sind
         print(f"Verfügbare Spalten: {df.columns.tolist()}")
@@ -178,8 +237,8 @@ def process_fit(file_path):
                 # Print the name and value of the data (and the units if it has any)
                 if data.name == 'heart_rate':
                     heart_rate.append(data.value)
-    # hier variable neu überschrieben:
+        # Hier variable neu überschrieben:
-    df['heart_rate'] = heart_rate[:len(df)]
+        df = safe_add_column_to_dataframe(df, 'heart_rate', heart_rate)
         # ##############
 
         # MY DEBUG:
@@ -199,6 +258,44 @@ def process_fit(file_path):
 
         return df
 
+    except Exception as e:
+        print(f"Fehler beim Verarbeiten der FIT-Datei {file_path}: {str(e)}")
+        return pd.DataFrame()
+
+
+
+
+def safe_add_column_to_dataframe(df, column_name, values):
+    """
+    Fügt eine Spalte sicher zu einem DataFrame hinzu, auch wenn die Längen nicht übereinstimmen
+    """
+    if df.empty:
+        return df
+
+    df_len = len(df)
+    values_len = len(values) if hasattr(values, '__len__') else 0
+
+    if values_len == df_len:
+        # Perfekt - gleiche Länge
+        df[column_name] = values
+    elif values_len > df_len:
+        # Zu viele Werte - kürze sie
+        print(f"WARNUNG: {column_name} hat {values_len} Werte, DataFrame hat {df_len} Zeilen. Kürze Werte.")
+        df[column_name] = values[:df_len]
+    elif values_len < df_len:
+        # Zu wenige Werte - fülle mit NaN auf
+        print(f"WARNUNG: {column_name} hat {values_len} Werte, DataFrame hat {df_len} Zeilen. Fülle mit NaN auf.")
+        extended_values = list(values) + [None] * (df_len - values_len)
+        df[column_name] = extended_values
+    else:
+        # Keine Werte - fülle mit NaN
+        print(f"WARNUNG: Keine Werte für {column_name}. Fülle mit NaN.")
+        df[column_name] = [None] * df_len
+
+    return df
+
+
+
 
 # =============================================================================
 # INFO BANNER