library(foreign)
library(dplyr)

#nacteni dat z SPSS, pozor na prikaz use.value.label=F, urcuje, jestli se nahraji popisky dat, nebo jejich ceslne zaznamenani
brezen <- read.spss("C:\\Users\\petrh\\Documents\\politologie\\vyuka\\datamanagment\\V2003_F1.sav", use.value.label=F, to.data.frame=TRUE)
str(brezen)
summary(brezen)

cerven <- read.spss("C:\\Users\\petrh\\Documents\\politologie\\vyuka\\datamanagment\\V2006B_F1.sav", use.value.label=F, to.data.frame=TRUE)
str(cerven)
summary(cerven)

#odstraneni potencialne matoucich znaku
names(brezen) <- gsub(x = names(brezen), pattern = "_", replacement = "")
#prevedni vsech znaku v nazvech sloupcu na mala pismena
colnames(brezen) <- tolower(colnames(brezen))
#pridani promenny rok a mesic, cislo se pise jen tak, text v uvozovkach
brezen$rok <-2020
brezen$mesic <- "brezen"

names(cerven) <- gsub(x = names(cerven), pattern = "_", replacement = "")
colnames(cerven) <- tolower(colnames(cerven))
cerven$rok <-2020
cerven$mesic <- "cerven"


#spojeni dvou tabulek pod sebe, i kdyz se lisi v poctech sloupcu a castecne v jejich nazvech
??bind_rows
kveten_cerven <- bind_rows(brezen, cerven)

#zjisteni, ktere sloupce maji stejne nazvy v obou datasetech
prunik_sloupcu <- intersect(colnames(brezen), colnames(cerven))

#vybrani jen sloupcu, které byly v obou datasetech
vyber <- kveten_cerven[c(prunik_sloupcu)]
summary(vyber)
names(vyber)

#rekodovani
# když potřebujeme upravit puvodni promennou - zmensit pocet kategorii, sloucit promenne, apod.

#spokojenost se zivotem
#nejprve je potreba se podivat na puvodni hodnoty (a v dotazniku na to, co puvodni hodnoty znamenaji)
table(vyber$ov1)

#rekodovani do ciselne promenne
vyber$spokojenost <- NA #nejprve vyrobime promennou a vsechny jeji hodnoty nastavime na NA - missing values
vyber$spokojenost[vyber$ov1 == 1 |vyber$ov1 == 2 ] <- 1 # potom postupne zaplnime pripady platnymi hodnotami na zaklade hodnot puvodni promenne
vyber$spokojenost[vyber$ov1 == 3  ] <- 2                ##|vyber$ov1 == 9
vyber$spokojenost[vyber$ov1 == 4 |vyber$ov1 == 5 ] <- 3

#kontrola vystupu
table(vyber$spokojenost) #tabulka nam ukaze, jestli odovidaji pocty v zamyslenych kategoriich
summary(vyber$spokojenost)  #summary nám ukaze pocet chybejicich hodnot


## rekodovani do  dummy promenne (napr. pro ucely regresni analyzy)
vyber$spokojen <- 0
vyber$spokojen[vyber$ov1 == 1 |vyber$ov1 == 2 ] <- 1 #vybrana kategorie je 1, zbytek 0
table(vyber$spokojen)
vyber$nespokojen <- 0
vyber$nespokojen[vyber$ov1 == 1 |vyber$ov1 == 2 ] <- 1  #dalsi vybrana kategorie je 1, zbytek 0, pripady, ktere jsou 0 pro obe kategorie jsou referencni kategorii
table(vyber$spokojen)

###factor - kategoricka promenna
vyber$spokojenostf <- NA
vyber$spokojenostf[vyber$ov1 == 1 |vyber$ov1 == 2 ] <- "spokojen"  
vyber$spokojenostf[vyber$ov1 == 3 |vyber$ov1 == 9 ] <- "ani ano, ani ne"
vyber$spokojenostf[vyber$ov1 == 4 |vyber$ov1 == 5 ] <- "nespokojen"
table(vyber$spokojenost) #kategorie jsou serazeny abecedne, pro smysluplne razeni je potreba pouzit nasledujici prikaz
vyber$spokojenostf <- factor(vyber$spokojenostf, levels =c("spokojen","ani ano, ani ne", "nespokojen" )) #, ordered = TRUE)
table(vyber$spokojenostf)

#rekodujte promennou zajem (1,2 = zajem, 3,4 = nezajem, 9 = nevi)
table(vyber$po45a)


#dalsi priklad
#levice pravice
table(vyber$po2)
vyber$levice_pravice <- NA
vyber$levice_pravice[vyber$po2 >= 1 & vyber$po2 <= 4] <- "levice" #nemusime vypisovat kazdou hodnotu, staci nastavit intervaly
vyber$levice_pravice[vyber$po2 >= 5 & vyber$po2 <= 7] <- "stred"  #pozor na prekryvani intervalu
vyber$levice_pravice[vyber$po2 >= 8 & vyber$po2 <= 11] <- "pravice"
vyber$levice_pravice[vyber$po2 >= 12 ] <- "nevi"
table(vyber$levice_pravice)

#elegantnejsi reseni
vyber$levice.pravice <- cut(vyber$po2, breaks=c(0, 4, 7, 11, Inf),
                     labels=c("levice","stred","pravice", "nevi"))
table(vyber$levice.pravice )


# pri rekodovani je mozne kombinovat vice promennych
#preforovana strana
vyber$preferovana_strana <- NA
vyber$preferovana_strana[vyber$pv4 == 13 | vyber$pv191ab == 13] <- "ANO"
vyber$preferovana_strana[vyber$pv4 == 4 | vyber$pv191ab == 4] <- "CSSD"

#vlada/opozice


#scitani promennych
#duvera v ustavni instituce
table(vyber$pi1a)
table(vyber$pi1b)
table(vyber$pi1c)
table(vyber$pi1d)
table(vyber$pi1e)
table(vyber$pi1f)

#urceni, ze nejaka hodnota je neplatna - v dotaznikovych datech typicky 9, 99, apod., vzdy nutno overit
vyber$pi1a[vyber$pi1a ==9] <- NA
vyber$pi1b[vyber$pi1b ==9] <- NA
vyber$pi1c[vyber$pi1c ==9] <- NA
vyber$pi1d[vyber$pi1d ==9] <- NA
vyber$pi1e[vyber$pi1e ==9] <- NA
vyber$pi1f[vyber$pi1f ==9] <- NA

#secteni promennych
vyber$duvera = vyber$pi1a + vyber$pi1b + vyber$pi1c + vyber$pi1d + vyber$pi1e + vyber$pi1e
table(vyber$duvera)

#rekodovani na skalu 0-10
vyber$duvera0_10 = (vyber$duvera - 6)/18*10
#rekodovani do logicke podoby - vyssi hodnota = vyssi duvera
vyber$duvera0_10 = vyber$duvera0_10*-1 +10
table(vyber$duvera0_10)
hist(vyber$duvera0_10)
vyber$duvera0_1 = (vyber$duvera - 6)/18


#spocitejte promennou "sledovani" sectenim promennych  "om36a","om36b","om36c","om36d","om36e","om36f","om36g"

table(vyber$pv1)
table(vyber$pv4text)
table(vyber$pv191ab)