library(ggplot2)
set.seed(1234) #ziarno startowe do generowania liczb losowych
# wygeneruj ramke danych zawierającą 2 zmienne losowe (kobiety, mężczyźni), zawierające po 200 obserwacji wagi, ze średnią 55 oraz 58
osoby <- data.frame(
  plec = factor(rep(c('K','M'), each = 200)),
  waga = c(rnorm(200, 55), rnorm(200, 58))
)
# boxplot, przedstawiający wyniki
qplot(x = plec, y = waga, data = osoby,
      geom='boxplot')
# rozdziel kolory, ze względu na płeć
qplot(x = plec, y = waga, data = osoby,
      geom='boxplot', fill=plec)
# usuń szare tło
qplot(x = plec, y = waga, data = osoby,
      geom='boxplot', fill=plec) +
  theme_bw()
# zmień kształt na 'violin'
qplot(x = plec, y = waga, data = osoby,
      geom = 'violin', fill = plec)
# zamień kształt na punkty, wyśrodkuj, dopasuj wielkość kropek
qplot(plec, waga, data = osoby,
      geom='dotplot', fill = plec, stackdir = 'center',
      binaxis = 'y', dotsize = 0.75, binwidth = 0.25)
# histogram
qplot(waga, data = osoby, geom = 'histogram', fill = plec)
#zmieniamy kształt i dodajemy przezroczystość
qplot(waga, data = osoby, geom = 'density',
      color = plec, fill = plec, alpha = 0.5)

#tworze obiekt typu lista ""ggplot""

osoby_baza <- ggplot(data = osoby, aes(x = waga))

class(osoby_baza)
#dodge - osobno słupki dla płci
osoby_baza + geom_histogram(aes(color = plec), fill = 'white',
                            position = 'dodge')
?geom_histogram

#wykres dla listy osoby_baza, kształt - histogram, wypełnienie uzależnione od płci (zapisanej binarnie "bin"), z paletą kolorów "blues"
osoby_baza + geom_histogram(aes(fill = plec), stat='bin') +
  scale_fill_brewer(palette='Blues')

#wykres dla listy osoby_baza, kształt - area, wypełnienie uzależnione od płci (zapisanej binarnie "bin"), z paletą kolorów "Dark2" oraz minimalnym tłem  "+ theme_minimal()" 

osoby_baza + geom_area(aes(fill = plec), stat='bin') +
  scale_fill_brewer(palette='Dark2') + theme_minimal()
# dodatkowo uzależnij typ linii od płci
osoby_baza + geom_area(aes(fill = plec, linetype = plec, col=plec),
                       stat='bin') +
  scale_fill_brewer(palette='Dark2') + theme_bw()

#palety kolorów
#The following palettes are available for use with these scales:
  
#Diverging
#BrBG, PiYG, PRGn, PuOr, RdBu, RdGy, RdYlBu, RdYlGn, Spectral

#Qualitative
#Accent, Dark2, Paired, Pastel1, Pastel2, Set1, Set2, Set3

#Sequential
#Blues, BuGn, BuPu, GnBu, Greens, Greys, Oranges, OrRd, PuBu, PuBuGn, PuRd, Purples, RdPu, Reds, YlGn, YlGnBu, YlOrBr, YlOrRd
#http://colorbrewer2.org/



library(dplyr)
#zapisz średnie wagi dla grup
srednie <- osoby %>%
  group_by(plec) %>%
  summarise(srednia_grupy = mean(waga))
## prosty rozkład z dodanymi przerywanymi liniami obrazującymi średnie
osoby_baza +
  geom_density(aes(color = plec)) +
  geom_vline(data = srednie, aes(xintercept = srednia_grupy, 
                                 color = plec), linetype = 'dashed') +
  scale_x_continuous(NULL, expand=c(0,0)) +
  scale_y_continuous(NULL, expand=c(0,0)) +
  theme(legend.position = 'none')


## poprawiamy wykres - ustawiam kolory, dpodaję podtytuł i stopkę, axis.ticks.y - usuwa podziałkę osi,axis.line - obrysowuje czarną linią, panel.background - usuwa tło
#ustawiam skalę, ograniczam ją i nadaję etykiety, pochylam tekst, jeśli dodam na końcu "+theme(legend.title = element_blank()) usunę nazwę legendy
osoby_baza +
  geom_density(aes(color = plec)) +
  geom_vline(data = srednie, aes(xintercept = srednia_grupy, 
                                 color = plec), linetype = 'dashed') +
  scale_color_manual(values=c('#999999','#E69F00')) +
  labs(title = 'Histogram wagi',
       subtitle = 'grupa kontrolna',
       caption = '(c) A.G.') +
  ylab('kontrola') +
  theme(axis.ticks.y = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks.x = element_blank()) +
  theme(axis.line = element_line(colour = 'black'),
        panel.background = element_blank()) +
  scale_x_continuous(breaks = seq(51,62,1),
                     limits = c(51,62),
                     labels = paste(seq(51,62,1),'kg')) +
  theme(axis.text.x = element_text(angle = 45)) 



###SAMOCHODY

data(mtcars)
#wczytuję 3 kolumny bazy mtcars jako obiekt auta
auta <- mtcars[,c('mpg','cyl','wt')]
# sprawdzam typ zmiennej
class(auta$cyl)
# zamieniam numeric na factor
auta$cyl <- factor(auta$cyl)
class(auta$cyl)
?mtcars
#wykres zależności mpg od wt
qplot(y = mpg, x = wt, data = auta, geom = c('point','smooth'))
#skoro cyl jest zmienną typu factor, uzależniam od niej kolor i kształt punktów
qplot(y = mpg, x = wt, data = auta, geom = c('point'),
      colour = cyl, shape = cyl)


data(mpg)
?mpg
#tworzę obiekt auta_baza
auta_baza <- ggplot(data = mpg, aes(x = class))
# tworzę wykres słupkowy "bar", golory uzależnim od zmiennej drv, pochylam podpisy
auta_baza +
  geom_bar() +
  aes(color = drv, fill = drv) +
  theme(axis.text.x = element_text(angle = 45))




library(reshape2)
library(hexbin)
#rozrzut punktowy - bins - wielkość punktów
diamenty_baza + geom_hex(bins=100)

data(faithful)
#tworzę zmienną dotyczącą erupcji wulkanów
gejzer_baza <- ggplot(faithful, aes(x = eruptions, y = waiting))
#podstawowy rozrzut punktowy, z zaznaczonymi liniami podziału od 2 centrów
gejzer_baza + geom_point() + geom_density_2d() 
# wypełniamy gradientem kolorów
gejzer_baza +
  geom_density_2d_filled(alpha=0.4) +
  geom_density_2d() 
# dodaj na końcu "+ theme(legend.position = 'none')" żeby usunąć legendę

#tworzymy jeszcze raz obiekt o wybuchach wulkanów z wypełnieniem dla gęstości, usuwam niepotrzebne elementy
gejzer_baza <- ggplot(faithfuld, aes(x = eruptions, y = waiting,
                                     fill = density)) +
  geom_raster() + 
  scale_x_continuous(NULL, expand=c(0,0)) +
  scale_y_continuous(NULL, expand=c(0,0)) +
  theme(legend.position = 'none')
# wypełniam różnymi gradientami : usruchom każdą linijkę osobno
gejzer_baza + scale_fill_viridis_c()
gejzer_baza + scale_fill_viridis_c(option = 'magma')
gejzer_baza + scale_fill_distiller()
gejzer_baza + scale_fill_distiller(palette = 'PuRd')
gejzer_baza + scale_fill_distiller(palette = 'YlOrBr')


#Mapy
library(maps)
#wczytuję dane do obiektu world_map
world_map <- map_data('world')
# tworzę mapę świata z wczytanych danych
ggplot(world_map, aes(x = long, y = lat, group = group)) +
  geom_polygon(fill = 'lightgrey', colour = 'black')
#tworzę wekrot "kraje"
kraje = c('Portugal','Spain','France',
          'Switzerland','Germany','Austria',
          'Belgium','Netherlands','Denmark',
          'Poland','Italy','Croatia','Slovenia',
          'Hungary','Slovakia','Czech Republic')
#tworzę obiekt eu_map tylko dla wybranych krajów
eu_map <- map_data('world',
                   region = kraje)
# dodaję informację o liczbie mieszkańców
population <- data.frame(
  pop = c(10.6,40.4,62.8,7.5,82.4,20.3,10.4,16.5,5.5,38.5,58.1,
          4.5,2,10,5.4,10.2),
  region = kraje
)
# inner_join - połącz obiekty
eu_map = inner_join(eu_map, population, by = 'region')


#stwórz mapę europy z gradientem odpowiadającym gęstości populacji oraz etykietami z nazwami państw, bez legendy

region.lab.data <- eu_map %>%
  group_by(region) %>%
  summarise(long = mean(long), lat = mean(lat))

ggplot(eu_map, aes(x = long, y = lat)) +
  geom_polygon(aes(group = group, fill = pop)) +
  geom_text(aes(label = region), data = region.lab.data, size = 3,
            hjust=0.5) +
  scale_fill_gradient(limits=c(0,100), low = 'yellow', high = 'red',
                      space = 'Lab', guide = 'colourbar') +
  theme_void() +
  theme(legend.position = 'none')