# Balíčky a Import dat -------------------------
library(tidyverse)


df <- haven::read_sav("data/eukids.sav") %>% 
  mutate(across(c(pohlavi, kohorta, narod, ocek_vzd), as_factor)) %>% 
  drop_na(pohlavi, kohorta)

set.seed(22)
df_sml <- sample_n(df, 100)

# Použití balíčku ggplot2 -------------------------------
# ggplot(data = POUŽITÝ_DATASET) + 
  # GEOM_FUNKCE(mapping = aes(<MAPOVÁNÍ PROMĚNNÝCH>))

ggplot(data = df_sml) +
  geom_point(aes(x = deprese, y = zdravi))

ggplot(df_sml) +
  geom_point(aes(deprese, zdravi))

ggplot(data = df_sml) +
  geom_point(aes(x = deprese, y = zdravi), 
             size = 3, shape = 18)

# Zkuste vytvořit scatterplot sebehodnocení (selfe) a depresivity (deprese).

# Co se stane, když vytvoříme scatterplot známek z matematiky 
# (zn_mat) a češtiny (zn_cj). Proč není takový scatterplot moc užitečný?

# Co kdybychom použili pro zachycení vztahu mezi zn_mat a zn_cj jiné geomy: 
# geom_jitter() nebo geom_count(). Zkuste obojí.

# Estetické mapování (aesthetic mapping) --------------------------------------

ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi, color = pohlavi))

ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi, size = pohlavi))

ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi, alpha = pohlavi),
             size = 3)

ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi, shape = pohlavi),
             size = 3)

ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi), 
             color = "blue", size = 3)

# Velikost bodů tedy můžeme nastavit uvedením jakéhokoli kladného čísla. 


# Pro výběr barvy (color) můžeme použít její název v podobě textu 
# v závorkách (string). Zde je přehled všech barev v R, které mají vlastní 
# název a je možné se na ně takto odkázat. 
# https://r-charts.com/colors/

# Velikost (v milimetrech) můžeme nastavit arugmentem size.

# Míru neprůhlenosti (od 0 do 1) můžeme nastavit argumentem alpha.

# Nastavit tvar bodů pomocí argumentu shape, např. uvedením čísla (viz níže).
shapes_df <- tibble(
  id = 0:25, # čísla
  x = rep(1:13, 2),
  y = rep(1:2, each = 13)
)

# Přehled tvarů
ggplot(shapes_df, aes(x, factor(y), shape = factor(id))) +
  geom_point(size = 5, fill = "red") +
  scale_shape_manual(values = 0:25) +
  geom_text(aes(label = id), nudge_y = 0.1) +
  theme_void() +
  theme(legend.position = "none")

# Typ čáry pak můžeme nastavit pomocí argumentu linetype

linetype_df <- tibble(
  y = rep(0:6, each = 2) %>% factor(),
  x = rep(1:2, times = 7),
  nms = c("blank", "solid", "dashed", "dotted",
          "dotdash", "longdash", "twodash") %>% rep(each = 2)
)

linetype_df %>% 
  ggplot(aes(x, y, group = y, linetype = y)) +
  geom_line(size = 2) +
  scale_linetype_manual(values = 0:7) +
  theme_void() +
  theme(legend.position = "none") +
  geom_text(aes(label = if_else(x == 1, y, "")), nudge_x = -0.1)+
  geom_text(aes(label = if_else(x == 2, nms, "")), nudge_x = 0.1)

# 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"))

# 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 (facets) ---------------------------------------------------
# Základní graf si uložíme do objektu p
p <- ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = deprese, y = zdravi))

p + facet_wrap(~kohorta, nrow = 2) # dva řádky

p + facet_wrap(~kohorta, ncol = 2) # dva sloupce

p + facet_wrap(~kohorta + pohlavi, nrow = 2)

p + facet_grid(kohorta ~ pohlavi) # řádky ~ sloupce
p + facet_grid(pohlavi ~ kohorta) # řádky ~ sloupce

# Co se stane, pokud jako fazetu zvolíme spojitou proměnnou nebo 
# jednoduše proměnnou s mnoha úrovněmi. 
# Zkuste to udělat pro proměnnou optim (optimismus)
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)

# Geometrické objekty (geomy) ---------------------------------

# Pomocí bodů, s využitím geom_point()
ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = selfe, y = deprese))

# Pomocí křivky, s využitím geom_smooth()
ggplot(data = df_sml) + 
  geom_smooth(mapping = aes(x = selfe, y = deprese))

# Použití více geomů
ggplot(data = df_sml) + 
  geom_point(mapping = aes(x = selfe, y = deprese)) +
  geom_smooth(mapping = aes(x = selfe, y = deprese))

ggplot(data = df_sml, 
       mapping = aes(x = selfe, y = deprese)) + 
  geom_point() + 
  geom_smooth()

ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point(mapping = aes(color = pohlavi)) + # mapovat pohlaví na barvu jen pro body
  geom_smooth()

ggplot(data = df_sml, mapping = aes(x = selfe, y = deprese)) + 
  geom_point() + 
  geom_smooth(mapping = aes(color = pohlavi)) # mapovat pohlaví na barvu jen pro křivku


# Co se stane, když nastavíme argument show.legend = FALSE
ggplot(data = df_sml, 
       mapping = aes(x = selfe, y = deprese)) + 
  geom_point() +
  geom_smooth(mapping = aes(color = pohlavi),
              show.legend = FALSE)

# 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)

# 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”


# * Tvorba bodového grafu / Scatterplotu ------------------------------
# Nejprve z dat vyřaďte případy s chybějící hodnotou v pohlavi

# 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


# * 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


# * 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

# * 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_ přidejte argument position = dodge.

# Popisky (labels) -------------------------------------
ggplot(df_sml, aes(selfe, deprese, color = pohlavi)) +
  geom_point() +
  geom_smooth(se = FALSE, method = lm) +
  labs(title = "Depresivita klesá s rostoucím sebehodnocením")

ggplot(df_sml, aes(selfe, deprese, color = pohlavi)) +
  geom_point() +
  geom_smooth(se = FALSE, method = lm)

ggplot(df_sml, aes(selfe, deprese, color = pohlavi)) +
  geom_point() +
  geom_smooth(se = FALSE, method = lm) +
  labs(title = "Depresivita klesá s rostoucím sebehodnocením",
       subtitle = "Tento vztah je silnější u dívek",
       caption = "Data z projektu Cesty do dospělosti")

ggplot(df_sml, aes(selfe, deprese)) +
  geom_point(aes(color = pohlavi)) +
  geom_smooth(se = FALSE, method = lm) +
  labs(x = "Sebehodnocení (RSES)",
       y = "Depresivita (ADS)",
       color = "Pohlaví žáka")


# Škály (scales) -------------------------------------
ggplot(df_sml, aes(selfe, deprese)) +
  geom_point(aes(colour = pohlavi)) +
  scale_x_continuous() +
  scale_y_continuous() +
  scale_colour_discrete()

# Defaultní graf
ggplot(df_sml, aes(optim, zdravi)) +
  geom_point()


# Změna osových značek osy X a Y
ggplot(df_sml, aes(optim, zdravi)) +
  geom_point() +
  scale_x_continuous(breaks = seq(8, 26, by = 2)) +
  scale_y_continuous(breaks = seq(15, 35, by = 2.5))

# Defaultní graf
ggplot(df_sml, aes(optim, zdravi, color = pohlavi)) +
  geom_point()

# Změna popisků úrovní pro proměnnou mapovanou na diskrétní barevnou škálu
ggplot(df_sml, aes(optim, zdravi, color = pohlavi)) +
  geom_point() +
  scale_color_discrete(name = "Pohlaví",
                       labels = c("Chlapci", "Dívky", "Neuvedeno"))

ggplot(df_sml, aes(optim, zdravi, color = pohlavi)) +
  geom_point() +
  scale_color_manual(name = "Pohlaví",
                     labels = c("Chlapci", "Dívky", "Neuvedeno"),
                     values = c("#FF0000", # červená
                                "#0000FF")) # modrná

ggplot(df_sml, aes(optim, zdravi, color = pohlavi)) +
  geom_point() +
  scale_color_manual(name = "Pohlaví",
                     labels = c("Chlapci", "Dívky", "Neuvedeno"),
                     values = c("#FF0000",
                                "#0000FF"),
                     guide = guide_legend(override.aes = list(size = 5)))


# Design nedatových prvků grafu (themes) -------------------------------------
# Defaultní graf
p <- ggplot(df_sml, aes(deprese, zdravi)) +
  geom_point(aes(color = pohlavi)) +
  geom_smooth(se = FALSE)
p

# Různá grafická schémata
p + theme_bw()
p + theme_classic()
p + theme_dark()
p + theme_grey() # Default
p + theme_light()
p + theme_linedraw()
p + theme_minimal()
p + theme_void()

# Custom theme
p + 
  theme(
    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
  )

my_theme <- theme(
  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
)

p + my_theme

# Původní grafické schéma je uloženo do objektu old
# A zároveň updatujeme některé jeho prvky
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
) 

# Všechny grafy teď budou mít updatované schéma
p

# Staré theme můžeme vrátit pomocí: 
# theme_set(old)

# Uložení (export) grafu -------------------------------------------
ggsave(filename = "plots/sp_deprese_zdravi.png", # Nově vytvořený soubor
       plot = p, # Graf, který chceme uložit
       dpi = 300, # Rozlišení
       width = 19, # šířka
       height = 10, # Výška
       units = "cm")