LAB 02 - 1.10.2014

  Pokracujeme v praci s viacrozmernymi datami "cars" z minuleho tyzdna. 
  Cielom je vytvorit vizualizaciu typu "timeline", zobrazujucu niekolko 
  premennych naraz tak aby sa dali vidiet trendy v case. Pripravil
  som pre Vas pociatocne kroky, Vasou ulohou bude ich rozvinut dalej.
  Pripravena je ukazka konstrukcie jednoduchej linearnej casovej osi
  a grafickych prvkov nad nou. Nasleduje idea spiralovitej casovej osi,
  s ktorou budete mat za ulohu dalej pracovat a vytvorit vlastnu
  vizualizaciu. Mozete napriklad menit podla dat hrubku a farbu spiraly, 
  umiestnovat nu body roznej velkosti alebo doplnit ju obrazkami ilustrujucimi 
  trendy v datach. Zmente kod smerom k vyssej estetickej urovni, pouzite 
  lepsiu paletu farieb a podobne.
  Vysledky prace zaslite e-mailom vyucujucemu, budu hodnotene bodovo. Ulohy,
  ktore splnia minimalne parametre budu zoradene podla celkoveho dojmu, 
  kvality a narocnosti dodatocnych zmien a ohodnotene 2 bodmi (dolnych 50%) 
  alebo 3 bodmi (hornych 50%). V pripade minimalnych uprav oproti verzii 
  v cviceni moze dolnych 20% ziskat len 1 bod.

  Ak Vam budu pri praci chybat nejake balicky v R, mali by ste byt schopni
  si ich nainstalovat prikazom "Install packages.." v menu Packages.
  Budu instalovane vo Vasom domovskom adresari.

  Pokial nemate uchovanu historiu z minuleho tyzdna, vykonajte nasledovne
  prikazy (nezabudnite na "Change dir..."):

cardata <- read.table("cars.data")
names(cardata) <- c("mpg","cylinders","displacement","horsepower","weight","acceleration","model.year","origin")
carnames <- read.table("cars.names")
names(carnames) <- c("name")
cars <- data.frame(c(carnames,cardata))

  Naucite sa pouzivat graficke prikazy z balika grid. Pracu z jeho 
  funkciami vykonavame vzdy v ramci nejakej podoblasti zobrazovacej plochy -
  tzv. viewport, ktory ma vlastnu velkost, orientaciu a suradnicovy system.
  Tieto podoblasti sa aktivuju prikazom pushViewport() a deaktivuju 
  popViewport(), po ktorom nastane navrat do predchadzajucej nadradenej
  podoblasti. Vytvorime si oblast s okrajmi:

library(grid)
grid.newpage()
pushViewport(plotViewport())

  V nom si vytvorime podoblast pre data od roku 1969 do 1983

pushViewport(viewport(xscale=c(1969,1983)))
years <- c(1969:1983)

  Vykreslime body pre jednotlive roky, kazdy desiaty vyraznejsie

grid.circle(years,0,0.15,default.units="native",gp=gpar(fill="red"))
syears <- years[which(years/10 == floor(years/10))]
grid.circle(syears,0,0.25,default.units="native",gp=gpar(fill="blue"))

  Popiseme modre body rokmi

grid.text(syears,syears,-0.1,default.units="native",rot=90,gp=gpar(fontsize=14,fontface="bold"))

  Aby sme mohli opakovat rozne vizualizacie s tou istou casovou osou, ulozime
  si predchadzajuce prikazy ako funkciu initTimeline()

initTimeline <- function(years){
  ...
}

  Vytvorime farebnu plochu, ktora bude znazornovat spotrebu aut v danom roku
  Najprv ale potrebujeme funkciu, ktora spocita pocet aut pre dany rok

countCars <- function(year){
  length(which(cars$model.year == year-1900))
}

  Vyskusajte, ci funguje:

countCars(1971)

  vysledok by mal byt 29. Vyborne! 

  podobna funkcia nam spocita priemerny pocet valcov pre dany rok

countCylinders <- function(year){
  mean(cars$cylinders[which(cars$model.year == year-1900)])
}

countCylinders(1971)

  Je vysledok 5.517241?

a priemernu spotrebu

countMpg <- function (year)
{
  if(countCars(year)>0){
    mean(cars$mpg[which(cars$model.year == year-1900)],na.rm=TRUE)
  } else {
    0
  }
}

  Mozeme zobrazit oblast podla poctu aut v danom roku

grid.polygon(years,mapply(countMpg,years)/100+0.05,default.units="native",gp=gpar(fill="grey"))

  Nad nou zobrazime prislusny pocet valcov tak, aby sa zdoraznilo, ze jedna 
  klesa zatial co druha stupa. Potrebujeme funkciu drawCyl()

drawCyl <- function(){
  grid.rect(x=0.5,y=0.7,width=0.8,height=0.6,gp=gpar(fill="brown"))
  grid.rect(x=0.5,y=0.9,width=0.8,height=0.08,gp=gpar(fill="brown"))
  grid.rect(x=0.5,y=0.3,width=0.1,height=0.2,gp=gpar(fill="brown"))
  grid.circle(0.5,0.1,0.2,gp=gpar(fill="grey"))
}

  ... a mozeme zacat vykreslovat, viewport vzdy nastavime na spravne miesto 
  pomocou x= a y=

drawSymbols <- function(year){
  n <- round(countCylinders(year))
  for(i in 1:n){
    pushViewport(viewport(x=year,y=1.0-i*0.075,width=0.5,height=0.06,default.units="native"))
    drawCyl()
    popViewport()
  }
}

  Funkcia mapply aplikuje funkciu drawSymbols na vsetky prvky vektora (roky) 

mapply(drawSymbols,c(1970:1982))

  Pokuste sa dokoncit nasledovne vyobrazenie casovych trendov, kde casova os
  je vytvorena vo forme spiraly:

  Prevod roka na polohu na spirale v suradnicovej sustave:

time2pos <- function (time,size=50,spacing=30,density=7.3)
{
  dif <- (time-1950)/density
  angle <- 2*pi*dif
  n <- floor(dif)
  x <- sin(angle)
  y <- cos(angle)
  as.table(trunc(size*c(x,y) * angle*spacing/2/pi))
}

  Suradnice pre jednotlive roky ulozime do d:

d <- data.frame(years,t(mapply(time2pos,years)))

  Funkcia spiralplot vykresli roky v spirale na plochu:

spiralplot <- function (years)
{
  d <- data.frame(years,t(mapply(time2pos,years)))
  plot(d[,2:3],type="b", col=c("yellow","orange","red","brown","black"))
  text(d[,2:3]+500,labels=d[,1],
col=c("yellow","orange","red","brown","black"))
}

  S pouzitim grafickych primitiv balicka grid mame k dispozicii krajsie 
  graficke prvky:

newspiralplot <- function (years)
{
  d <- data.frame(years,t(mapply(time2pos,years)))
  grid.newpage()
  pushViewport(plotViewport(xscale=c(-3000,3000),yscale=c(-3000,3000)))
  pushViewport(dataViewport(d[,2],d[,3]))
  grid.circle(d[,2],d[,3],100,default.units="native",gp=gpar(fill="red"))
  grid.text(d[,1],d[,2],d[,3],default.units="native",just=c("left","bottom"))
  grid.xspline(d[,2],d[,3],default.units="native",shape=-0.8,open=TRUE)
}

  Funkcia, ktora sa moze hodit pri zobrazovani vykresli obrazok vo formate
  GIF na lubovolne miesto suradnicoveho systemu 

plotImage <- function (image,xpos,ypos,size)
{
  require(pixmap)
  require(RGraphics)
  require(colorspace)
  imagemat <- getChannels(image,colors="all")
  pushViewport(viewport(x=xpos,y=ypos,width=size,height=size,default.units="native"))
  grid.imageFun(130,200,byrow=FALSE,rev(t(hex(RGB(as.vector(imagemat[,,1]),as.vector(imagemat[,,2]),as.vector(imagemat[,,3]))))))
  popViewport()
}

f1 <- read.pnm("car_f1.pnm")

  Cvicny obrazok najdete medzi datami v ISe. Ine obrazky je potrebne do
formatu pnm konvertovat pomocou programov balika ImageMagick

plotImage(f1,0.5,0.5,1)