一、前言

在第十七天的學習中，我已經為個人健康習慣追蹤系統加入資料修改與刪除的概念，讓使用者可以管理已經保存的健康紀錄。至此，系統已經逐步具備新增、查詢、修改與刪除四項基本資料管理功能。

然而，即使系統已經能夠保存大量健康紀錄，如果使用者每次都必須逐筆閱讀資料，才能了解自己的生活習慣，操作上仍然不夠方便。

因此，今天將開始建立「個人健康儀表板」，把原本分散在資料表中的資訊整理成簡單、清楚的摘要，讓使用者一開啟系統，就能快速查看目前的健康紀錄概況。

今天的學習重點是運用 Pandas 整理健康資料，再透過 Streamlit 的數值指標、文字摘要與資料表格，呈現喝水量、睡眠時間、運動時間及蔬菜水果攝取紀錄，讓系統從單純的資料管理工具，逐步發展成能協助使用者觀察生活習慣的應用程式。

二、什麼是健康儀表板？

儀表板（Dashboard）是一種將重要資訊集中呈現的介面，通常會將資料整理成數值、摘要、表格或圖表，讓使用者不必逐筆查看原始資料，就能快速掌握整體狀況。

在個人健康習慣追蹤系統中，儀表板可以呈現以下資訊：

需要注意的是，儀表板呈現的是使用者輸入的紀錄，不代表這些數值本身就能判斷健康狀況。系統的主要目的，是協助使用者整理與觀察自己的生活習慣。

三、讀取並整理健康資料

建立儀表板之前，首先需要取得先前保存的健康資料。

在前幾天的學習中，我已經使用 Pandas 讀取 CSV，因此今天可以繼續使用相同的方法。

import pandas as pd
from pathlib import Path

FILE_PATH = Path("health_records.csv")

if FILE_PATH.exists():
records = pd.read_csv(FILE_PATH)
else:
records = pd.DataFrame(
columns=[
"date",
"water_ml",
"sleep_hours",
"exercise_minutes",
"vegetables_fruits",
"notes"
]
)

print(records)

這段程式會先檢查 CSV 檔案是否存在。如果檔案存在，就讀取其中的資料；如果尚未建立檔案，則建立具有固定欄位的空資料表。

透過這個方法，即使使用者第一次開啟系統時還沒有任何紀錄，也能避免因為找不到檔案而直接中斷程式。

接著，為了讓資料能夠依照日期排序，可以將日期欄位轉換成日期型態。

if not records.empty:
records["date"] = pd.to_datetime(
records["date"],
errors="coerce"
)

records = records.dropna(subset=["date"])

records = records.sort_values(
    by="date",
    ascending=False
)

其中，ascending=False 表示由新到舊排序，讓最近的健康紀錄排在前面。

四、使用 Streamlit 顯示數值指標

Streamlit 提供 st.metric()，可以用來顯示重要的數值資訊，例如紀錄總筆數、最近一次喝水量及最近一次睡眠時間。

以下是一個簡單的儀表板範例：

import streamlit as st
import pandas as pd
from pathlib import Path

FILE_PATH = Path("health_records.csv")

st.title("個人健康習慣追蹤系統")
st.header("健康儀表板")

if FILE_PATH.exists():
records = pd.read_csv(FILE_PATH)
else:
records = pd.DataFrame()

if records.empty:
st.info("目前還沒有健康紀錄，請先新增資料。")

else:
records["date"] = pd.to_datetime(
records["date"],
errors="coerce"
)

records = records.dropna(subset=["date"])

records = records.sort_values(
    by="date",
    ascending=False
)

if records.empty:
    st.warning("目前沒有有效的日期紀錄。")

else:
    latest = records.iloc[0]

    st.metric(
        "健康紀錄總筆數",
        len(records)
    )

    col1, col2, col3 = st.columns(3)

    with col1:
        st.metric(
            "最近一次喝水量",
            f"{latest['water_ml']} 毫升"
        )

    with col2:
        st.metric(
            "最近一次睡眠時間",
            f"{latest['sleep_hours']} 小時"
        )

    with col3:
        st.metric(
            "最近一次運動時間",
            f"{latest['exercise_minutes']} 分鐘"
        )

    st.subheader("最近的健康紀錄")

    st.dataframe(
        records,
        use_container_width=True
    )

將程式儲存為 app.py 後，在終端機執行：

python -m streamlit run app.py

如果使用 python3，也可以執行：

python3 -m streamlit run app.py

成功啟動後，網頁會顯示健康儀表板。

當 CSV 中存在資料時，系統會將最新日期的紀錄放在最前面，再顯示相關數值與歷史資料表。如果尚未新增資料，則會顯示提醒訊息。

這裡的「最近一次」是指 CSV 中日期最新的一筆紀錄，不一定代表使用者今天實際完成的紀錄。

五、使用欄位摘要了解健康習慣

除了顯示最新一筆紀錄，儀表板也可以提供簡單的文字摘要，讓使用者更容易閱讀資料。

例如，可以根據最近一次的紀錄，顯示是否有填寫蔬菜水果攝取情況。

vegetables_fruits = latest["vegetables_fruits"]

if pd.isna(vegetables_fruits):
st.info("最近一筆紀錄尚未填寫蔬菜水果攝取情況。")

elif str(vegetables_fruits).strip().lower() in [
"true", "1", "yes"
]:
st.success("最近一筆紀錄：有攝取蔬菜水果。")

elif str(vegetables_fruits).strip().lower() in [
"false", "0", "no"
]:
st.info("最近一筆紀錄：未勾選蔬菜水果攝取。")

else:
st.warning("蔬菜水果欄位的資料格式需要確認。")

這段程式會依照欄位中的值，顯示不同的訊息。

之所以需要檢查多種文字形式，是因為布林值在 CSV 中可能被讀取成不同的表示方式，例如 True、False、1 或 0。

此外，「未勾選」不一定代表使用者確定沒有攝取，也可能是沒有完成填寫。因此，若未來需要更精確地區分這兩種情況，可以在資料結構中加入「未填寫」的狀態。

六、讓儀表板更容易閱讀

儀表板的目的不只是顯示資料，更重要的是讓資訊容易理解。因此，介面設計也需要注意以下幾點。

1. 將重要資訊放在前面

例如，先顯示紀錄總筆數與最近一次的健康數據，再呈現完整的歷史紀錄表格。

這樣使用者開啟網頁時，就能先看到摘要，而不必立即閱讀所有資料。

2. 使用一致的單位

喝水量應以毫升表示，睡眠時間以小時表示，運動時間則以分鐘表示。

保持單位一致，可以減少使用者誤讀數值的情況，也有助於後續統計。

3. 處理沒有資料的情況

當 CSV 不存在、資料表為空，或日期無法解析時，系統應顯示清楚的提示，而不是直接發生錯誤。

4. 避免過度解讀資料

儀表板可以呈現使用者的紀錄，但不應只憑單次喝水量、睡眠時間或運動時間，就判定使用者是否健康。

目前的系統仍以個人習慣紀錄與資料觀察為主，未來可以再加入使用者自行設定的目標，協助追蹤習慣完成情況。

七、今日實作與測試

完成程式後，可以依照以下步驟進行測試：

使用第十五天的表單新增幾筆不同日期的健康紀錄。

確認 health_records.csv 中存在正確的資料。

啟動 Streamlit，查看健康儀表板是否能正常顯示。

確認紀錄總筆數是否與 CSV 的資料筆數一致。

比較日期排序結果，確認最近一筆紀錄是否正確。

修改 CSV 中的測試資料，再重新載入網頁，確認顯示結果是否更新。

暫時將 CSV 移至其他位置，測試系統在沒有資料時是否會顯示提醒。

恢復 CSV 後，再次確認資料能否正常顯示。

如果以上測試都能完成，就代表系統已經具備基本的健康儀表板功能。

八、今日成果與學習心得

透過今天的學習，我將先前累積的健康紀錄與資料管理功能進一步整合，使用 Pandas 整理資料，再透過 Streamlit 將重要數值與歷史紀錄集中呈現在同一個頁面。

今天學習了 st.metric()、st.columns() 與 st.dataframe() 等功能，也練習處理空資料、日期排序及不同資料型態的問題。

這代表健康習慣追蹤系統已經不只是輸入與保存資料的工具，而是開始具備簡單的資料呈現能力。使用者可以更快速地了解目前累積了多少紀錄，以及最近一次輸入的健康習慣內容。

不過，目前的儀表板主要顯示單筆最新紀錄與資料總數，還無法充分呈現一段時間內的習慣變化。因此，接下來需要進一步學習資料統計，讓健康數據能提供更多有用的資訊。

九、下一步學習方向

Day 19 將學習「睡眠與喝水量統計——計算平均值」。

接下來會利用 Pandas 的資料分析功能，計算一段時間內的平均睡眠時間與平均喝水量，並將結果顯示在健康儀表板中，讓使用者不只能查看最新紀錄，也能從多筆資料中觀察自己的生活習慣變化。