1) Zjistěte počty zrušených a nezrušených letů podle destinací (Dest).


install.packages("hflights")
library(hflights)
flights <- hflights
# proměnná Cancelled obsahuje nuly a jedničky (zrušený let)


















flights %>%
  group_by(Dest) %>%
  summarise(Cancelled = sum(Cancelled), 
            Not_Cancelled = n()-sum(Cancelled)) 

2) Příkaz arrange 
Katan2 <-
  arrange(Katan, 
          Věk, Pohlaví, Partie)

3)
Zjistěte pro jednotlivé dopravce tři největší zpoždění v roce (top_n(3, proměnná)).
Výsledná databáze by měla obsahovat proměnné: UniqueCarrier, Month, DayofMonth,
DepDelay. Seřaďte dopravce podle abecedy a jejich zpoždění od největší po nejmenší.


flights %>%
  group_by(UniqueCarrier) %>%
  select(Month, DayofMonth, DepDelay) %>%
  top_n(3, DepDelay) %>%
  arrange(UniqueCarrier, DepDelay)


4) V jakém měsíci je nejvíce zrušených letů?
  
delay <- flights %>%
  filter(Cancelled == 1) 

  table(delay$Month)

  
  
5) Zobrazte sloupcový graf, kde jednotlivé sloupce budou označovat měsíce a 
jejich počet zpoždění.Upravte osy x a y.

ggplot(delay, 
       aes(x = Month)) +
  geom_bar(fill= "#1F497D") +
  scale_y_continuous(breaks = seq(from = 0, to = 1200, by = 100)) +
  scale_x_continuous(breaks = seq(from = 1, to = 12, by = 1),
                     position = "bottom") 



6) Vytvořte tabulku, která bude zobrazovat roční tempa růstu počtu všech 
vypravených spojů (v jednom týdnu) v jednotlivých letech.

https://rlandio.cz/Praha_Ostrava.xlsx
https://elandio.fra1.cdn.digitaloceanspaces.com/cesta/Praha_Ostrava.xlsx

Nejdřív se podívat na tabulku a povědět si, co mají dělat.
1. krok udělat společně a poté si říct, co mají dělat.
2. použijí funkci, ukázka lag(1:5) a nchar - vyhledat příkaz

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data <- Praha_Ostrava %>%
  group_by(Rok) %>%
  summarise(Součet = sum(Pravidelnost)) %>%
  mutate(Růst = (Součet-lag(Součet))/lag(Součet)*100)

7) To samé jako v předchozím příkladu, ale tentokrát pouze pro RegioJet zvlášť.

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

RJ <- Praha_Ostrava %>%
  filter(Dopravce == "RJ") %>%
  group_by(Rok) %>%
  summarise(Součet = sum(Pravidelnost)) %>%
  mutate(Růst = (Součet-lag(Součet))/lag(Součet)*100)

-----------------------------------------------------------
-) Vytvořte bodový a liniový graf pro proměnné Věk a Partie.

library(tidyverse)

ggplot(Katan, # bodový graf mezi proměnnými Věk a Partie
       aes(x = Věk, y = Partie)) +
  geom_point()
  

-) Změňte barvu pro muže na modrou a ženy na červenou.

ggplot(Katan, # bodový a liniový graf mezi proměnnými Věk a Partie
       aes(x = Věk, y = Partie, fill = Pohlaví)) +
  facet_grid(~Klub) +
  geom_point() +
  scale_fill_manual(values = c("#1F497D", "#C0504D"))
-----------------------------------------------------------

8) Vykreslete graf úvodního příkladu. Použijte pro křivku modrou barvu.

ggplot(Data, 
       aes(x = Rok, y = Součet)) + 
  geom_point(colour= "#000000", size = 1) +
  geom_line(colour= "#004990", size = 1)

9) Ukázka již upraveného grafu.
library(ggthemes)

ggplot(Data, 
       aes(x = Rok, y = Součet)) + 
  geom_line(colour= "#004990", size = 2) +
  ggtitle(expression(atop(bold("Vývoj počtu spojů"),
                          atop("mezi léty 2010 až 2018"), ""))) +
  theme_economist() +
  scale_y_continuous(breaks = seq(from = 140, to = 260, by = 10)) +
  scale_x_continuous(breaks = seq(from = 2010, to = 2018, by = 1),
                     position = "bottom") +
  labs(x = "", y = "") +
  theme(
    plot.title = element_text(color = "black", size = 20, face = "bold",
                              hjust = 0.5),
    axis.title.x = element_text(color = "black", size = 12),
    # axis.title.x definuje grafickou podobu názvu osy x.
    # My však vzhledem k příkazu labs(x = "", y = "") název nedefinujeme,
    # proto je tento příkaz axis.title.x v zásadě zbytečný, obdobně i 
    # axis.title.y.
    axis.title.y = element_text(color = "black", size = 12),
    plot.background = element_rect(fill = "#DBE5F1", colour = "#DBE5F1"),
    legend.title = element_blank())


10) Vytvořte graf, který bude zobrazovat procentní změnu počtu spojů
Českých drah včetně Pendolina vůči roku 2010 (v procentech). - ukázat výsledek

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data <- Praha_Ostrava %>%
  filter(Dopravce == "ČD" | Dopravce == "ČD_SC") %>%
  group_by(Rok) %>%
  summarise(Součet = sum(Pravidelnost)) %>%
  mutate(Zmena = ((Součet-Součet[1])/Součet[1]*100), 3)

ggplot(Data, 
       aes(x = Rok, y = Zmena)) + 
  geom_line(colour= "#004990", size = 2)


11) Výše uvedený graf graficky upravme.
Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data <- Praha_Ostrava %>%
  filter(Dopravce == "ČD" | Dopravce == "ČD_SC") %>%
  group_by(Rok) %>%
  summarise(Součet = sum(Pravidelnost)) %>%
  mutate(Zmena = round(((Součet-Součet[1])/Součet[1]), 3))

ggplot(Data, 
       aes(x = Rok, y = Zmena)) + 
  geom_line(colour= "#004990", size = 2) +
  ggtitle(expression(atop(bold("Procentní změny počtu spojů ČD"),
                          atop("vůči roku 2010"), ""))) +
  theme_economist() +
  scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
  scale_x_continuous(breaks = seq(from = 2010, to = 2018, by = 1),
                     position = "bottom") +
  labs(x = "", y = "") +
  theme(
    plot.title = element_text(color = "black", size = 20, face = "bold",
                              hjust = 0.5),
    axis.title.x = element_text(color = "black", size = 12),
    # axis.title.x definuje grafickou podobu názvu osy x.
    # My však vzhledem k příkazu labs(x = "", y = "") název nedefinujeme,
    # proto je tento příkaz axis.title.x v zásadě zbytečný, obdobně i 
    # axis.title.y.
    axis.title.y = element_text(color = "black", size = 12),
    plot.background = element_rect(fill = "#DBE5F1", colour = "#DBE5F1"),
    legend.title = element_blank())