library(tidyverse)

# Načteme si tato data
df <- read_csv2("https://is.muni.cz/el/fss/podzim2024/PSYb2320/um/datasets/personality_all.csv",
                na = c("", "-99", "0"))
df %>% 
  distinct(gender, class)

# Jak bychom proměnnou gender převedli na faktor?
# Převod gender na factor
df <- df %>% 
  mutate(
    gender = factor(gender,
                    levels = c("M", "F"),
                    labels = c("Boy", "Girl"))
  )

# Jak bychom převrátili reverzní položky bez / s přepsáním původních sloupců?
# Máme k dispozici vektor s názvy reverzních položek
reversed_items <- c(
  str_c("nfc_", 
        10:16),
  str_c("ipip_", 
        str_pad(c(2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 29, 30, 
                  32, 34, 36, 38, 39, 44, 46, 49), width = 2, pad = 0))
)

# A práci nám usnadňuje to, že všechny položky měly pětibodovou odpovědní škálu
df_rev <- df %>% 
  mutate(
    across(
      all_of(reversed_items),
      ~6 - .x,
      .names = "{.col}_r"
    )
  )

names(df_rev)

df_rev <- df %>% 
  mutate(
    across(
      all_of(reversed_items),
      ~6 - .x
    )
  )

names(df_rev)

# Jak bychom mohli vytvořit funkci, která bude vytvářet názvy položek?
item_range <- function(prefix, num_range, width = 2) {
  str_c(prefix, 
        str_pad(num_range, pad = 0, width = width))
}

# Jak bychom vytvořili list s názvy položek každé škály?
# NFC: 1 až 16
# Extraversion: 1  6 11 16 21 26 31 36 41 46 
# Agreeableness: 2  7 12 17 22 27 32 37 42 47
# Conscientiousness: 3  8 13 18 23 28 33 38 43 48
# Emotional stability: 4  9 14 19 24 29 34 39 44 49
# Intellect: 5 10 15 20 25 30 35 40 45 50

# Když máme list z položkami
items <- list(
  nfc = item_range("nfc_", 1:16),
  bfi_ext = item_range("ipip_", seq(1, 50, by = 5)),
  bfi_agr = item_range("ipip_", seq(2, 50, by = 5)),
  bfi_con = item_range("ipip_", seq(3, 50, by = 5)),
  bfi_est = item_range("ipip_", seq(4, 50, by = 5)),
  bfi_int = item_range("ipip_", seq(5, 50, by = 5))
)

# Jak bychom mohli vytvořit funkci, která bude počítat průměry položek
# vstupní argumenty: data, položky

item_mean <- function(data, items) {
  data %>% 
    select(all_of(items)) %>% 
    rowMeans(na.rm = TRUE)
}

item_mean(df,
          items = items$nfc)

# Jak bychom mohli vytvořit funkci, která bude počítat průměry položek
# vstupní argumenty: data, položky, maximální počet missing values

item_mean <- function(data, items, max.na) {
  data <- data %>% 
    select(all_of(items))
  
  n_miss <- data %>% 
    is.na() %>% 
    rowSums()
  
  out <- data %>% 
    rowMeans(na.rm = TRUE)
  
  out[n_miss > max.na] <- NA
  
  out
}

# Jak bychom tuto funkci mohli nyní použít k výpočtu celkových skórů každé škály

item_mean(df_rev,
          items = items$nfc,
          max.na = 2)

totals <- items %>% 
  map(~item_mean(data = df_rev,
                 items = .x,
                 max.na = 2)) %>% 
  bind_cols()

totals

# Co kdybychom ještě chtěli měnit i hodnoty argumentu max.na
max.na <- c(2, rep(1, 5))
max.na

totals <- items %>% 
  map(~item_mean(data = df_rev,
                 items = .x,
                 max.na = 2)) %>% 
  bind_cols()

map2(
  items,
  max.na,
  ~item_mean(data = df_rev,
             items = ..1,
             max.na = ..2)
) %>% 
  bind_cols()


df <- bind_cols(df, totals)


df <- df %>% 
  relocate(
    all_of(colnames(totals)),
    .after = class
    
  )

# Jak bychom převedli data do longer formátu, aby hodnoty proměnných nfc až 
# bfi_int byly v jednom sloupci?
long <- df %>% 
  pivot_longer(nfc:bfi_int,
               names_to = "variable",
               values_to = "value")

long

# Jak bychom vytvořili funkci, která bude počítat průměr + interval spolehlivosti
mean_ci <- function(x, level = .95) {
  
  x <- x[!is.na(x)]
  
  m <- mean(x)
  s <- sd(x)
  n <- length(x)
  df <- n - 1
  
  se <- s/sqrt(n)
  alpha <- 1 - level
  q <- qt(1 - alpha/2, df = df)
  
  me <- se*q
  
  tibble(
    m = m,
    ci_lower = m - me,
    ci_upper = m + me
  )
  
}

# Jak bychom tuto funkci mohli použít pro výpočet souhrnných statistik 
# podle ročníku a pohlaví?

group_means <- long %>% 
  group_by(grade, gender, variable) %>% 
  summarise(mean_ci(value)) 

# Jak bychom výsledky znázornili graficky
p <- position_dodge(width = .2)

group_means %>% 
  ggplot(aes(x = grade,
             y = m, 
             ymin = ci_lower,
             ymax = ci_upper,
             color = gender)) +
  geom_pointrange(position = p) +
  geom_line(position = p,
            aes(group = gender)) +
  facet_wrap(~variable) +
  scale_color_manual(values = c("blue", "red"))