# Loading packages and data import ----------------------------------------
library(tidyverse)

set.seed(22)
df <- haven::read_sav("https://is.muni.cz/el/fss/podzim2022/PSYn5320/um/datasets/eukids.sav") %>% 
  mutate(across(c(pohlavi, kohorta, narod, ocek_vzd), as_factor)) %>% 
  drop_na(pohlavi, kohorta)
df_sml <- sample_n(df, 100)


# Základy ------------------------------------------------------------------
# Zkuste vytvořit scatterplot sebehodnocení (selfe) a depresivity (deprese).
ggplot(data = df_sml) +
  geom_point(aes(x = deprese, y = selfe))

# Co se stane, když vytvoříme scatterplot známek z matematiky (zn_mat) a 
# češtiny (zn_cj). Proč není takový scatterplot moc užitečný?
ggplot(data = df_sml, aes(x = zn_mat, y = zn_cj)) +
  geom_point()

# Co kdybychom použili pro zachycení vztahu mezi zn_mat a zn_cj jiné geomy: 
# geom_jitter() nebo geom_count(). Zkuste obojí.
ggplot(data = df_sml) +
  geom_jitter(aes(x = zn_mat, y = zn_cj))

ggplot(data = df_sml) +
  geom_jitter(aes(x = zn_mat, y = zn_cj), width = 0.1, height = 0.1)

ggplot(data = df_sml, aes(x = zn_mat, y = zn_cj)) +
  geom_point(position = position_jitter(width = 0.1, height = 0.1))

ggplot(data = df_sml) +
  geom_count(aes(x = zn_mat, y = zn_cj)) +
  scale_size_continuous(range = c(1, 10))

# Aesthetic mapping -------------------------------------------------------

# V kódu níže je chyba. Body nejsou vybarveny modře. Opravte ji, aby byly.
ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi), color = "blue")

ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi),
             color = "blue")
# Vytvořte graf deprese (na ose X) a zdravi s využitím menšího datasetu df_sml. 
# Pak postupně “mapujte” pohlaví na barvu, velikost a tvar. 
# Pak totéž zkuste udělat pro proměnnou ziv_sp (také ji mapovat na barvu, 
# velikost a tvar). 
# Pohlaví je kategorická proměnná a životní spokojenost spíš spojitá. 
# Jak se tyto různé estestické provky chovají jinak pro kategorická a spojité proměnné?
ggplot(df_sml) +
  geom_point(aes(deprese, zdravi, color = pohlavi))
ggplot(df_sml) +
  geom_point(aes(deprese, zdravi, color = ziv_sp))

ggplot(df_sml) +
  geom_point(aes(deprese, zdravi, size = pohlavi)) # Using size for a discrete variable is not advised. 
ggplot(df_sml) +
  geom_point(aes(deprese, zdravi, size = ziv_sp))

ggplot(df_sml) +
  geom_point(aes(deprese, zdravi, shape = pohlavi))
ggplot(df_sml) +
  geom_point(aes(deprese, zdravi, shape = ziv_sp)) # A continuous variable can not be mapped to shape

# Co se stane, když mapujeme tutéž proměnnou na různé estitické prvky?
ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi, color = ziv_sp, size = ziv_sp))

# Co se stane, když při mapování nepoužijeme přímo jméno nějaké proměnné, 
# ale např. ziv_sp < 2.5.
ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi, color = ziv_sp < 2.5))

# Fazety ------------------------------------------------------------------
# Co se stane, pokud jako fazetu zvolíme spojitou proměnnou nebo jednoduše 
# proměnnou s mnoha úrovněmi. Zkuste to udělat pro proměnnou optim (optimismus)
p <- ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi))
p
p + facet_wrap(~optim)

# Proč jsou v tomto grafu některé fazety prázdné?
ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi)) + 
  facet_grid(zn_mat ~ zn_cj, labeller = label_both)

# Souvisí to nějak s tímto grafem?
ggplot(data = df_sml) + 
  geom_count(mapping = aes(x = factor(zn_mat), y = factor(zn_cj)), na.rm = T)
# Některé kombinace se prostě nevyskytují

# Geomy -------------------------------------------------------------------
# Zachyťte vztah mezi sebehodnocením (selfe) a depresivitou 
# (deprese) pomocí dvou typů grafů/geomů: geom_point() a geom_smooth(). 
# Pro každý z těchto typů grafů mapujte pohlaví (pohlavi) postupně na shape, 
# linetype, group a color? Na které estetické parametry jde pohlaví mapovat 
# (a na které nikoli) v závislosti na typu geomu (protože daný geom tyto 
# estetické parametry nemá).
df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_point(aes(shape = pohlavi))
df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_smooth(aes(shape = pohlavi)) # Nelze

df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_point(aes(linetype = pohlavi)) # Nelze
df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_smooth(aes(linetype = pohlavi))

df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_point(aes(group = pohlavi))
df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_smooth(aes(group = pohlavi))

df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_point(aes(color = pohlavi))
df_sml %>% 
  ggplot(aes(selfe, deprese)) +
  geom_smooth(aes(color = pohlavi))

# Zkuste odhadnout, jaký graf získáme, když spustíme následující kód. 
# Pro informaci: obě proměnné, monitorování (motiv) i důvěra vůči rodičům (duv_r), 
# jsou spojité.
ggplot(data = df_sml, mapping = aes(x = monit, y = duv_r)) + 
  geom_point() +
  geom_smooth()

# Co se stane, když nastavíme argument show.legend = FALSE? Co se stane, 
# když jej odstraníme nebo nastavíme na TRUE? Vyzkoušejte si to.
ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point() +
  geom_smooth(mapping = aes(color = pohlavi),
              show.legend = FALSE)

ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point() +
  geom_smooth(mapping = aes(color = pohlavi),
              show.legend = TRUE) # Default

# K čemu slouží argument se ve funkci geom_smooth()? Vyzkoušejte.
ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point() +
  geom_smooth(se = FALSE)

ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point() +
  geom_smooth(se = TRUE, level = .68)

ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point() +
  geom_smooth(se = TRUE, level = .99)

# Tvorba grafů “od píky”  -------------------------------------------------

# Tvorba histogramu
  # Vytvořte histogram selfe pomocí geom_histogram()
  # šírku sloupců (binwidth) nastavte na 0.2
  # barvu (color) na “black”
  # a výplň (fill) na “grey”
ggplot(data = df) +
  geom_histogram(mapping = aes(x = selfe), binwidth = 0.2, 
                 color = "black", fill = "grey")

ggplot(data = df_sml) +
  geom_histogram(aes(x = selfe), binwidth = 0.2, color = "black", fill = "pink")

# Tvorba bodového grafu / Scatterplotu
  # Vytvořte scatteplot selfe a optim pomocí geom_jitter()
  # v geom_jitter() nastavte argumenty width i height na 0.05
  # přidejte geom geom_smooth()
  # v rámci toho nastavte method = “lm” a color = “black”
  # nastavte barvu bodů (ale nikoli křivky) podle pohlaví
ggplot(data = df, aes(x = selfe, y = optim)) +
  geom_jitter(mapping = aes(color = pohlavi), 
              width = 0.5, height = 0.5) +
  geom_smooth(method = lm, color = "black")

# Tvorba krabicového grafu / boxplotu
  # Nejprve z dat vyřaďte případy s chybějící hodnotou v kohorta a pohlavi
  # Vytvořte boxplot monit pomocí geom_boxplot()
  # na osu X dejte kohorta a na osu Y monit
  # nastavte výplň (fill) podle pohlavi
  # v geom_boxplot() nastavte argument notch = TRUE
ggplot(data = df, aes(x = kohorta, y = monit, fill = pohlavi)) +
  geom_boxplot(notch = TRUE)

ggplot(data = df, aes_string(x = "kohorta", y = "monit", fill = "pohlavi")) +
  geom_boxplot(notch = TRUE)

# Tvorba sloupcového grafu / barplotu
  # Vyřaďte respondenty, kteří neuvedli kohortu anebo pohlaví.
  # pomocí geom_bar() vytvořte sloupcový graf ocek_vzd
  # prohoďte osy přidáním: + coord_flip()
  # pomocí facet_wrap() rozdělte graf na dva řádky podle kohorty
  # nastave výplň (fill) podle pohlaví
  # do estetického mapování přidejte: y = stat(prop), group = kohorta:pohlavi
ggplot(data = df, 
       aes(ocek_vzd, y = stat(prop), fill = pohlavi,
           group = kohorta:pohlavi)) +
  geom_bar(position = "dodge") +
  facet_wrap(~kohorta) +
  coord_flip()

# Tvorba spojnicovového grafu / line plot
  # Vyřaďte respondenty, kteří neuvedli kohortu anebo pohlaví
  # na osu X dejte kohortu, na osu Y monitorování
  # na barvu mapujte pohlaví
  # přidejte geom_point(stat = "summary", fun = mean)
  # přidejte geom_line(stat = "summary", fun = mean, aes(group = pohlavi))
  # přidejte geom_errorbar(stat = "summary", fun.data = mean_cl_normal)
  # v rámci geom_errorbar() si pohrajte s argumentem width – zkuste jej nastavit na různé hodnoty, např. 1, 0.5 nebo 0.1.
  # definutje objekt dodge <- position_dodge(width = 0.1) a do všech funkcí geom_ přidejteargument position = dodge.

dodge <- position_dodge(width = 0.1)
ggplot(df, aes(kohorta, monit, color = pohlavi)) +
  geom_point(stat = "summary", fun = mean, position = dodge) +
  geom_line(stat = "summary", fun = mean, aes(group = pohlavi), position = dodge) +
  geom_errorbar(stat = "summary", fun.data = mean_cl_normal, position = dodge,
                width = 0.1)

# Popisky (labels) --------------------------------------------------------
# Vytvořte jakýkoli graf, který chcete, a nastavte pomocí labs() všechny popisky, 
# které dovedede změnit.
ggplot(df_sml, aes(selfe, deprese, color = pohlavi)) +
  geom_point() +
  geom_smooth(se = FALSE, method = "lm") +
  labs(title = "Depresivita klesá s rostoucím sebehodnocením",
       subtitle = "To dává smysl",
       x = "Sebehodnocení",
       y = "Deprese",
       color = "Pohlaví",
       caption = "Data z projektu Cesty do dospělosti")

# Wrap up -----------------------------------------------------------------
# Podívejte se znovu na proměnné v datasetu:
x <- df %>% 
  select(pohlavi:neshody) %>% 
  map(attributes) %>% 
  map_chr("label")

tibble(
  name = names(x),
  label = x
) %>% 
  print(n = Inf)

# Vybertes si z nich ty, které vás zajímají, a zkuste vytvořit 
# hlavní typy grafů (můžete použít jakékoli proměnné, které uznáte za vhodné):
old <- theme_update(
  text = element_text(size = 14), # Zvětšit veškerý text
  axis.title = element_text(face = "bold"), # Názvy os tučně
  legend.title = element_text(face = "bold"), # titulek legendy tučně
  panel.background = element_blank(), # Odsranit barevné pozadí
  axis.line = element_line(colour = "black"), # Přidat černé ohraničení os
  legend.key = element_blank(), # Klíč legendy bez barevného pozadí
  legend.position = "top", # Umístění legendy nahoru
  legend.text = element_text(size = 14), # Klíč legendy větším písmem
  strip.text = element_text(size = 14, face = "bold"),
  strip.background = element_rect(fill = "grey90", color = "black")
) 

# Zkuste vždy nastavit barvu (color) nebo výplň (fill) podle 
# nějaké kategorické proměnné (nejvíce se nabízí pohlaví a kohorta) a 
# graf “vylepšit” do podoby, kdy byste jej považovali za hodný publikace. 
# A také zkuste všechny grafy uložit pomocí ggsave().

# Histogram,
ggplot(df, aes(effi, y = stat(density)*0.25)) +
  geom_histogram(binwidth = 0.25, 
                 color = "black",
                 fill = "skyblue") +
  facet_grid(kohorta ~ pohlavi) +
  labs(x = "Self-efficacy", y = "Relativní četnost") +
  scale_x_continuous(breaks = seq(1, 4, by = 0.5)) +
  scale_y_continuous(labels = scales::percent_format(accuracy = 1))

# Scatterplot s křivkou pro trend,
ggplot(df, aes(warm_m, warm_o)) +
  geom_jitter(aes(color = pohlavi),
              width = 0.1, height = 0.1) +
  geom_smooth(method = "lm", color = "black", size = 2,
              level = .99) +
  facet_wrap(~kohorta, ncol = 2) +
  labs(x = "Vřelost matky", y = "Vřelost otce") +
  scale_x_continuous(breaks = seq(1, 4, by = 0.5)) +
  scale_y_continuous(breaks = seq(1, 4, by = 0.5)) +
  scale_color_manual(
    name = "Pohlaví žáka",
    labels = c("Chlapci", "Dívky"),
    guide = guide_legend(override.aes = list(size = 5)),
    values = c("#1746A2", "#CD104D")) +
  coord_fixed(xlim = c(1, 4), ylim = c(1, 4))

# Boxplot
df %>% 
  pivot_longer(c(duv_r, duv_v), names_to = "kdo", values_to = "duvera") %>% 
  ggplot(aes(pohlavi, duvera, color = kdo)) +
  geom_boxplot() +
  facet_wrap(~kohorta) +
  scale_y_continuous(breaks = seq(0, 5, by = 0.5)) +
  scale_x_discrete(labels = c("Chlapci", "Dívky")) +
  scale_color_manual(labels = c("rodičům", "vrstevníkům"),
                     values = c("#3C4048", "#00ABB3")) +
  labs(x = "Pohlaví", y = "Míra důvěry",
       color = "Důvěra vůči") +
  theme(legend.key.width = unit(1, "cm"),
        legend.key.height = unit(1, "cm"))

# Sloupcový graf
cetnosti <- df %>% 
  pivot_longer(c(zn_cj, zn_mat, zn_aj), 
               names_to = "predmet", 
               values_to = "znamka") %>% 
  mutate(znamka = factor(znamka),
         predmet = factor(predmet,
                          levels = c("zn_mat", "zn_cj", "zn_aj"),
                          labels = c("Matematika", "Čeština", "Angličtina")),
         pohlavi = fct_recode(pohlavi,
                              "Chlapci" = "muzske",
                              "Divky" = "zenske")) %>% 
  count(pohlavi, predmet, kohorta, znamka,
        .drop = FALSE) %>% 
  drop_na() %>% 
  group_by(pohlavi, kohorta, predmet) %>% 
  mutate(p = n/sum(n))

cetnosti %>% 
  ggplot(aes(znamka, p, fill = pohlavi)) +
  geom_col(position = "dodge") +
  facet_grid(kohorta ~ predmet) +
  scale_y_continuous(breaks = seq(0, 1, by = 0.1),
                     labels = scales::percent_format(),
                     expand = expansion(mult = c(0, 0.1))) +
  scale_fill_manual(values = c("#364F6B", "#3FC1C9")) +
  labs(x = "Známka v minulém pololetí",
       y = "Podíl žáků / žaček",
       fill = "Pohlaví")

# Spojnicový graf pro průměry
prumery <-  df %>% 
  group_by(pohlavi, kohorta) %>% 
  drop_na(pohlavi, kohorta, effi) %>% 
  summarise(m = mean(effi),
            sd = sd(effi),
            n = n()) %>% 
  mutate(se = sd/sqrt(n),
         me = qt(0.975, df = n-1)*se,
         ci_lower = m - me,
         ci_upper = m + me)

dodge <- position_dodge(width = 0.1)

prumery %>% 
  ggplot(aes(kohorta, m, color = pohlavi)) +
  geom_point(position = dodge, size = 3) +
  geom_errorbar(aes(ymin = ci_lower, ymax = ci_upper),
                width = 0.1,
                position = dodge) +
  geom_line(aes(group = pohlavi),
            position = dodge) +
  scale_y_continuous(breaks = seq(2, 3, by = .05)) +
  scale_x_discrete(labels = c("Mladší", "Starší")) +
  scale_color_manual(labels = c("Chlapci", "Dívky"),
                     values = c("#08D9D6", "#FF2E63")) +
  labs(x = "Kohorta",
       y = "Průměrná Self-efficacy",
       color = "Pohlaví",
       caption = "Chybové úsečky znázorňují 95% interval spolehlivosti.") +
  theme(legend.key.width = unit(1, "cm"))