1) Vytvořte sloupcový graf, který bude zobrazovat počty mužů a žen.

ggplot(Katan, # sloupcový graf četnosti proměnné Pohlaví
       aes(Pohlaví)) + 
  geom_bar(stat='count', fill='#000000')

Spolu
2) Vytvořte datovou tabulku s dvěma sloupci, kde v prvním bude pohlaví a ve druhém 
podíl daného pohlaví v databázi Katan. Dplyr netřeba.

Četnost <- table(Katan$Pohlaví)/length(Katan$Pohlaví)
Tabulka <- as.data.frame(Četnost)
names(Tabulka) <- c("Pohlaví", "Zastoupení")

ggplot(Tabulka, # sloupcový graf četnosti proměnné Pohlaví
       aes(x = Pohlaví, y = Zastoupení)) + 
  geom_bar(stat = "identity")

Sami
3) Vytvořte sloupcový graf, který bude zobrazovat počty spojů v jednotlivých letech.

library(dplyr)
library(ggplot2)    
   

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data2 <- Praha_Ostrava %>%
  group_by(Rok) %>%
  summarise(Spoje = sum(Pravidelnost)) %>%
  ggplot(aes(x = Rok, y = Spoje)) + 
  geom_bar(stat = "identity")

Spolu
4) Vytvořte sloupcový graf, který bude zobrazovat počty spojů 
v jednotlivých letech podle dopravců.
# pozor na parametr fill a colour
# Najdi chybu

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data3 <- Praha_Ostrava %>%
  group_by(Rok, Dopravce) %>%
  summarise(Spoje = sum(Pravidelnost)) 

ggplot(Data3,
       aes(x = Rok, y = Spoje, fill = Dopravce)) + 
  geom_bar(stat = "identity") 

vs:
  
Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data3 <- Praha_Ostrava %>%
  group_by(Rok, Dopravce) %>%
  summarise(Spoje = sum(Pravidelnost)) 

ggplot(Data3,
       # Pokus_data
       aes(x = Rok, y = Spoje)) + 
  geom_bar(stat = "identity")

Sami
5) Vytvořte sloupcový graf, který bude zobrazovat počty spojů 
v jednotlivých letech podle dopravců. Graf vizuálně upravte.

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)


Data3 <- Praha_Ostrava %>%
  group_by(Rok, Dopravce) %>%
  summarise(Spoje = sum(Pravidelnost)) 

ggplot(Data3,
       aes(x = Rok, y = Spoje, fill = Dopravce)) + 
  geom_bar(stat = "identity") +
  scale_fill_manual(labels = c("ČD IC/EC/Ex", "ČD SC Pendolino", 
                               "Leo Express", "RegioJet"), 
                    values = c("#004990", "#668fcc", "#141414", "#FBBF20")) +
  labs(x = "", y = "", fill = "") +
  ggtitle("Počty vypravených spojů na trase Praha - Ostrava") +
  scale_x_continuous(breaks = seq(from = 2010, to = 2018, by = 1), 
                     position = "bottom") +
  theme_economist() +
  theme(
    plot.title = element_text(color = "black", size = 20, face = "bold",
                              hjust = 0.5))


Spolu
5) Doplňte předchozí graf o jednotlivé hodnoty ve sloupcích.

Praha_Ostrava$Pravidelnost <- nchar(Praha_Ostrava$Frekvence)

Data3 <- Praha_Ostrava %>%
  group_by(Rok, Dopravce) %>%
  summarise(Spoje = sum(Pravidelnost)) 

ggplot(Data3,
       aes(x = Rok, y = Spoje, fill = Dopravce, label = Spoje)) + 
  geom_bar(stat = "identity") +
  geom_text(size = 5, position = position_stack(vjust = 0.5), colour = "white") +
  scale_fill_manual(labels = c("ČD IC/EC/Ex", "ČD SC Pendolino", 
                               "Leo Express", "RegioJet"), 
                    values = c("#004990", "#668fcc", "#141414", "#FBBF20")) +
  labs(x = "", y = "", fill = "") +
  ggtitle("Počty vypravených spojů na trase Praha - Ostrava") +
  scale_x_continuous(breaks = seq(from = 2010, to = 2018, by = 1), 
                     position = "bottom") +
  theme_economist() +
  theme(
    plot.title = element_text(color = "black", size = 20, face = "bold",
                              hjust = 0.5))


6) Načtěte databázi txhousing do konzole.
txhousing <- txhousing
View(txhousing)

Sami
8) Vytvořte sloupcový graf z databáze txhousing, který bude zobrazovat počty prodaných domů v jednotlivých letech.
Pozor, databáze obsahuje chybějící hodnoty.

Data4 <- txhousing %>%
  group_by(year) %>%
  summarise(Počet = sum(sales, na.rm = TRUE))

-------------

ggplot(Data4, 
       aes(x = year, y = sales)) + 
  geom_bar(stat = "identity", fill = "#1F497D")

-------------------
# Načtení potřebných knihoven
library(dplyr)
library(ggplot2)

# Předpokládáme, že txhousing je již načtený dataset
# Agregace dat podle roku a výpočet celkového počtu prodejů s vyloučením NA hodnot
yearly_sales <- txhousing %>%
  group_by(year) %>%
  summarise(Počet_prodaných_domů = sum(sales, na.rm = TRUE))

# Vytvoření sloupcového grafu
ggplot(yearly_sales, aes(x = year, y = Počet_prodaných_domů)) +
  geom_col(fill = "steelblue") +  # Použití geom_col pro sloupcový graf
  labs(title = "Počet prodaných domů v jednotlivých letech",
       x = "Rok",
       y = "Počet prodaných domů") +
  theme_minimal()  # Použití minimalistického tématu pro čistý vzhled grafu

---------------------
  # Agregace dat podle roku a výpočet celkového počtu prodejů
  yearly_sales <- txhousing %>%
  group_by(year) %>%
  summarise(Počet_prodaných_domů = sum(sales, na.rm = TRUE))

# Vytvoření vizuálně atraktivního sloupcového grafu
ggplot(yearly_sales, aes(x = year, y = Počet_prodaných_domů)) +
  geom_col(fill = "#56B4E9") +  # Modrá barva pro sloupce
  labs(title = "Počet prodaných domů v jednotlivých letech",
       subtitle = "Vizualizace prodejů podle dat z txhousing",
       x = "Rok",
       y = "Počet prodaných domů",
       caption = "Data zdroj: txhousing") +
  theme_tufte() +  # Téma z balíčku ggthemes pro čistý design
  theme(plot.title = element_text(hjust = 0.5, size = 20, face = "bold"),  # Centrování a zvýraznění nadpisu
        plot.subtitle = element_text(hjust = 0.5, size = 16),  # Centrování podnadpisu
        plot.caption = element_text(size = 10, face = "italic"),  # Italic pro poznámku
        axis.text = element_text(size = 12),  # Velikost písma pro osy
        axis.title = element_text(size = 14, face = "bold"),  # Zvýraznění popisků os
        legend.position = "none")  # Schování legendy, pokud není potřeba



----------------
  Krabicové grafy
1) Znáte krabicové grafy? 
  
ggplot(Katan, # krabicový graf proměnné Věk
         aes(y=Věk)) + 
  geom_boxplot()

boxplot(Katan$Věk)

2) Nyní budeme chtít náš boxplot rozdělit podle pohlaví. Jaké máme možnosti?
  
ggplot(Katan, # krabicový graf proměnné Věk podle proměnné Pohlaví
         aes(x = Pohlaví, y = Věk)) + 
  geom_boxplot()

# podobného výsledku bychom dosáhli i za použití parametru fill/colour 
ggplot(Katan, # krabicový graf proměnné Věk podle proměnné Pohlaví
       aes(x = '', y = Věk, fill = Pohlaví)) + 
  geom_boxplot()

ggplot(Katan, # krabicový graf proměnné Věk podle proměnné Pohlaví
       aes(x = '', y = Věk, colour = Pohlaví)) + 
  geom_boxplot()



3) Nyní budeme chtít náš bloxplot rozdělit ještě podle toho, 
zda-li jsou jedinci členy klubu deskových her.

Katan$Vzdělání <- factor(Katan$Vzdělání, levels = c("ZŠ", "SŠ", "Bc - VŠ", "VŠ"))

ggplot(Katan, # krabicový graf proměnné Věk podle proměnné Pohlaví
       aes(x = Pohlaví, y = Věk)) + 
  geom_boxplot() +
  facet_grid(vars(Klub), vars(Vzdělání))