#   ____________________________________________________________________________
#   Uvedení do R                                                            ####


# * Klávesové zkratky ----------------------------
# Psaní speciálních znaků na české klávesnici skrze pravý alt:
# RAlt + x = #

# RAlt + F = []

# RAlt + B = {}

# RAlt + , = <

# RAlt + .= >

# RAlt + ů = $

# RAlt + C = &

# RAlt + š, poté jakýkoli znak = ^

# RAlt + ý, poté jakýkoli znak = `` (zpětný apostrof)

### Modifikovatelné klávesové zkratky RStudia
# Alt + Shift + K   pro seznam klávesových zkratek RStudia
# Alt + -           vloží assigment operátor <- pro tvorbu objektů
# Ctrl + Enter      pro spuštění aktuálního kódu na označeném řádku
# Ctrl + Alt + P    znovu spustí kód, který byl spuštěn naposledy

# Ctrl + Alt + R    spustí všechen kód
# Alt + L           zabalí aktuální blok kód
# Alt + Shift + L   rozbalí aktuální blok kód
# Alt + O           zabalí všechen kód
# Alt + Shift + 0   rozbalí všechen kód
# Ctrl + Shift + R  vloží nový nadpis
# Ctrl + Shift + M  vloží pipe operátor %>% 

# * Základní operace -------------------------------------------
# Matematické operace
# Sčítání
5 + 5 

# Odčítání
5 - 5 

# Násobení
3 * 5

# Dělení
(5 + 5) / 2 

# Umocňování
2^5

# Odmocňování
sqrt(9)
9^(1/2)

# Celočíselné dělení
16 %/% 6

# Zbytek po celočíselném dělení
16 %% 6

# Tvorba objektů
# K tvorbě nových objektů se používá assignment operátor <-:
# název_objektu <- jeho_hodnoty
x <- 3 * 4

# sloučit více hodnot dohromady do jednoho objektu (vektoru) lze pomocí
# funkce c()
primes <-  c(2, 3, 5, 7, 11, 13)
primes

# na vektor lze uplatnit různé operace, např. matematické
primes * 2 # každý prvek je vynásoben číslem dva
primes - 1 # od každého prvku je odečtena 1

# * Komentáře -------------------------------------------------------------
# Komentáře vkládáme pomocí hashtagu #
# Cokoli napravo od hashtagu tedy nebude R považovat za spustitelný kód
# Speciálním typem komentáře je nadpis, který můžeme vložit pomocí 
# CTRL + Shift + R nebo doplněním ---

# vytvoř vektor prvočísel
primes <- c(2, 3, 5, 7, 11, 13)

# vynásob prvočísla dvěma
primes * 2


# * Pojmenování objektů -----------------------------------------------------
# Názvy objektů musejí začínat písmenem a smějí obsahovat pouze
# písmena, čísla, podtržítka (_) a tečky (.)

# doporučuji používat tzv. snake case pro tvorbu delších jmen objektů
i_use_snake_case
otherPeopleUseCamelCase
some.people.dot.case
And_aFew.People_RENOUNCEconvention

# vyvolat objekt do konzole lze jednoduše napsáním jeho jména
x
r_rocks <- 2^3
r_rocks

# jméno objektu musí být napsáno přesně, jinak vám to objekt nenajde
r_rock # zde chybí na konci "s"
R_rocks # R rozlišuje malá a velká písmena

# * Používání funkcí ---------------------------------------------------------
# R obsahuje velké množství funkcí
# K jejich vyvolání stačí znát název funkce a její argumenty
# function_name(argument1 = value1, argument2 = value2, ...)

# nápovědu k funkci seq() získáme takto
help(seq)
?seq

# zkuste pomocí funkce seq() vygenerovat řadu celých čísel od 1 do 10

#   ____________________________________________________________________________
#   Základy vizualizace dat                                                 ####
install.packages("palmerpenguins")
install.packages("ggthemes")

library(tidyverse)
library(palmerpenguins)
library(ggthemes)

penguins
glimpse(penguins)

# Našim cílem bude vytvořit scatterplot ukazující vztah mezi 
# délkou ploutví (na ose X) a tělesnou hmotností (na ose Y) tučňáků
# Body grafu bychom pak měli rozlišit podle druhu tučňáka
# a to jak pomocí barvy, tak pomocí tvaru bodů
# a také znázornit lineární trend pro všechna data 

# Prvním krokem je volba datasetu pomocí argumentu data


# Poté musíme určit, jaké proměnné z datasetu chceme mít na ose X a Y
# a to pomocí argumentu mapping a funkce aes()


# Dále musíme určit jakým typem graf (geomu) chceme použít
# neboli jaký geometrický objekt má vyjádřit jednotlivá pozorování
# K tomu slouží různé funkce začínající slovem geom_

# všimněte si chybového hlášení

# Nyní chceme doplnit informace o druhu tučnáka a vyjádřit jej barvou bodů
# Je např. možné, že se vztah mezi délkou ploutví a tělesnou hmotností liší
# právě podle druhu tučnáka
# Takže proměnnou species "mapujeme" na barvu


# Regresní křivku pak doplníme jako nový geom pomocí funkce geom_smooth


# Defaultně ggplot použije neparametrickou regresi (loess křivku)
# nepředpokládající lineární vztah
# My ale chceme použít lineární model


# Vykreslilo nám to regresní přímky pro jednotlivé druhy zvlášť,
# ale my chceme jednu přímku pro celý soubor dohromady
# Musíme proto mapování species na barvu provést jen v rámci geom_point()


# Protože někdo může být barvoslepý, můžeme druh vyjádřit nejen pomocí barvy 
# bodů, ale také pomocí jejich tvaru


# Aby byly tvary bodů lépe rozlišitelné, zvětšíme jejich velikost pomocí
# argumentu size


# Můžeme také vybrat jinou paletu barev, která bude více color-blind-friendly
# pomocí funkce scale_color_colorblind() z balíčku ggthemes


# Aby byly tvary bodů lépe rozlišitelné, zvětšíme jejich velikost pomocí
# argumentu size


# A nakonec doplníme ke grafu různé popisky pomocí funkce labs()
?labs