# Balíčky -----------------------------------------------------------------
library(tidyverse)


# challange ---------------------------------------------------------------

# Zkuste správně importovat soubor z této url adresy
# https://raw.githubusercontent.com/tidyverse/readr/main/inst/extdata/challenge.csv 
# Nazvěte nový objekt challange

challange <- 

# Kterou funkci byste použili, kdybyste měli importovat soubor, který by jako
# Oddělovač hodnot používal “|”
"a|b|c\n
 1|2|3\n
 4|5|6"


# Problémy při importu ----------------------------------------------------

# Někdy .csv soubory obsahují čárky.
# Aby nedělaly problémy, musejí být uvazřeny nějakým typem uvozovek.
# Defaultně funkce read_csv předpokládá použití dvojitých uvozovek.
# Jak bychom správně načetli tento .csv soubor
"x,y\n1, 'a,b'"

# V textovém editoru by vypadal takto: 
# Protože \n je v R speciální symbol pro nový řádek
writeLines("x,y\n1, 'a,b'")


# Identifikujte, co je zřejmě špatně při tomto importu?
writeLines("a,b\n1,2,3\n4,5,6")
read_csv("a,b\n1,2,3\n4,5,6")

writeLines("a,b,c\n1,2\n1,2,3,4")
read_csv("a,b,c\n1,2\n1,2,3,4")

writeLines("a,b\n\"1")
read_csv("a,b\n\"1")

writeLines("a,b\n1,2\na,b")
read_csv("a,b\n1,2\na,b")

writeLines("a;b\n1;3")
read_csv("a;b\n1;3")


# mymsa -------------------------------------------------------------------

# Zvolte správnou funkci k načtení tohoto flat file:
# https://raw.githubusercontent.com/nt246/NTRES-6100-data-science/main/datasets/janitor_mymsa_subset.txt
# Importujte jej pod jménem mymsa

# Zkuste nastavit nová jména sloupců, abychom měly standardní názvy bez 
# speciálních znaků



# WWCFIFA -----------------------------------------------------------------

# Stáhněte si dataset 2019_WWCFIFA_summary.csv ze studijních materiálů
# a uložte si ho do vhodné složky
# Zkuste to udělat pomocí funkce download.file()

# Importujte pomocí vhodné funkce stažený dataset a nazvěte nový objekt wwc_raw


# Zkuste import opakovat, ale ručně specifikujte typy sloupců
# aby sloupec Date byl typu "date" a slpoupce "Round" a "Venue" typu factor



# Aplikujte vhodné funkce, abyste získali přehled o datech
# (souhrnné statistiky a strukturu dat)


# Vytvořte nový objekt wwc_1, jehož základem bude wwc_raw: 
  # pomocí funkce str_to_lower() změňte jména sloupců na lowercase




# Použijte na wwc_1 funkce dim(), nrow() a ncol().
# Co tyto funkce dělají?

# Použijte vhodné funkce k ispekci prvních a posledních 10 řádků wwc_1


# Vyřadťe řádky, kde jsou jen missing values, a vytvořte tak objekt wwc_2


# Ve sloupci date a venue by měla zbýt jedna chybějící hodnota
# Ve sloupci date ji nahraďte "2019-06-09"
# Ve sloupci "venue" ji nahraďte "Groupama Stadium"


# Podívejte se na nápovědu k funkci separater() a zkuste sloupe
# score pomocí ní rozdělit na dva ("home_score" a "away_score")

# Totéž udělejte pro sloupec pks (rozdělte ho na dva sloupce
# "home_pks" a "away_pks"

# Nahradťe chybějící hodnoty ve sloupcích "home_pks" a "away_pks" nulami