#######################################################################################
################ Statistická laboratoř - Zimní škola ##################################
################   Máme data - a co dál? (1. část)  ###################################
############### Adéla Vrtková, Martina Litschmannová ##################################
#######################################################################################

##  Máme data, a co dál?
#   1. Spustíme potřebné balíčky, které obsahují další statistické funkce
#   2. Nastavíme pracovní adresář, odkud importujeme data, popř. kam chceme ukládat výstupy
#   3. Importujeme data (z pracovního adresáře, z internetu)
#   4. Pre-processing -> a) Podíváme se na data
#                        b) uložíme si data ve více formátech (každá funkce má "radši" jiný formát)
#   5. Analýza kvalitativních proměnných
#   Viz skript k Máme data - a co dál? (2. část)
#   6. Analýza kvantitativních proměnných
#   7. Identifikace a rozhodnutí o vyloučení/ponechání odlehlých pozorování

#######################################################################################
## 1. Je-li zapotřebí - na začátek spustíme (popř. i nainstalujeme) všechny potřebné balíčky

# Načtení balíčku
library(readxl)

#######################################################################################
## 2. Zkontrolujeme, kde se ukládají generované výstupy (popř. si nastavíme pracovní adresář)
# Výpis pracovního adresáře
getwd()

# Nastavení pracovního adresáře -> do uvozovek, celou cestu
setwd("C:/Users/Desktop")


#######################################################################################
## 3. Načtení datového souboru ########################################################

# Načtení datového souboru ve formátu csv2 z internetu do datového rámce data
data=read.csv2(file="http://am-nas.vsb.cz/lit40/DATA/aku_new.csv")


#######################################################################################
## 4. Pre-processing dat ##############################################################

# Výpis datového souboru
data
# Zobrazení prvních šesti řádků
head(data)

# Zobrazení posledních šesti řádků
tail(data)

# Zobrazení 10. řádku
data[10,]

# Zobrazení 3. sloupce 
data[,3]
# nebo (víme-li, jak se jmenuje proměnná zapsána ve 3. sloupci)
data[["C"]]
# nebo
data$C  

# Uložení prvního a čtvrtého sloupce dat. rámce data do dat. rámce pokus
pokus=data[,c(1,4)]

# Uložení prvních 2 sloupců dat. rámce data do dat. rámce dataAB
dataAB=data[,c(1:2)]
#nebo
dataAB=data[,-c(3:4)]

dataAB

## Pozn. při ukládání dat mysleme na přehlednost v názvech, dataAB obsahují kapacity akumulátorů výrobců A a B

## Převod dat do standardního datového formátu
dataS=stack(data)	           # funkce pro rychlý převod do standardní datové matice
head(dataS)

# přejmenování sloupců
colnames(dataS)=c("kap","vyrobce") # je důležité zachovat správné pořadí

# odstranění NA z datového rámce dataS
dataS=na.omit(dataS)

## Vytvoření samostatných proměnných
a=dataS$kap[dataS$vyrobce=="A"]
b=dataS$kap[dataS$vyrobce=="B"]
c=dataS$kap[dataS$vyrobce=="C"]
d=dataS$kap[dataS$vyrobce=="D"]

### Poznámky pro zopakování principu grafiky v R ######################################
# základem jsou tzv. high-level funkce, které vytvoří graf (tj. otevřou grafické oknou a vykreslí dle zadaných parametrů)
# na ně navazují tzv. low-level funkce, které něco do aktviního grafického okna přidají, samy o sobě neotevřou nové
# př. low-level funkcí - např. abline, points, lines, legend, title, axis ... které přidají přímku, body, legendu...
# tzn. před použitím "low-level" funkce je potřeba, volat "high-level" funkci (např. plot, boxplot, hist, barplot, pie,...)

# další grafické parametry naleznete v nápovědě
# nebo např. zde http://www.statmethods.net/advgraphs/parameters.html
# nebo zde https://flowingdata.com/2015/03/17/r-cheat-sheet-for-graphical-parameters/
# nebo http://bcb.dfci.harvard.edu/~aedin/courses/BiocDec2011/2.Plotting.pdf

## Barvy v R
# http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf
# https://www.nceas.ucsb.edu/~frazier/RSpatialGuides/colorPaletteCheatsheet.pdf


#######################################################################################
## 5. Explorační analýza a vizualizace kategoriální proměnné ##########################

## Výpočet četostí ####################################################################
cetnosti=table(dataS$vyrobce) 
cetnosti # výpis

# Výpočet relativních četností - 2 ekvivalentní způsoby
rel.cetnosti=100*cetnosti/sum(cetnosti)  
rel.cetnosti # výpis

rel.cetnosti2=prop.table(cetnosti)*100

# Zaokrouhlení relativních četností (%) na 1 desetinné místo
rel.cetnosti=round(rel.cetnosti,digits=1)
rel.cetnosti  # výpis

# Pozor na zaokrouhlovací chybu!!
rel.cetnosti[4]=100-sum(rel.cetnosti[1:3])
rel.cetnosti   # výpis

# Sloučení četností a relativních četností do tabulky četností
tabulka=cbind(cetnosti,rel.cetnosti)    # cbind() ... sloučení sloupců
tabulka   # výpis

# Přejmenování názvů sloupců v tabulce četností
colnames(tabulka)=c("četnost","rel.četnost (%)")
tabulka

# Uložení tabulky do csv souboru pro export do MS Excel
write.csv2(tabulka,file="tabulka.csv")

# Kde je tabulka uložena?
getwd()


## Výsečový (koláčový) graf - angl. piechart ##########################################
cetnosti=table(dataS$vyrobce)  # v tuto chvíli není nutno používat, četnosti jsme již spočetli a uložili do proměnné cetnosti výše
pie(cetnosti)

# Zabarvení grafu
pie(cetnosti,
    col=c("red","green","yellow","blue"))
pie(cetnosti,
    col=heat.colors(4))

# Přidání názvu grafu a popisků
pie(cetnosti,
    col=heat.colors(4),
    main="Zastoupení výrobců ve výběru",
    labels=c("Výrobce A","Výrobce B","Výrobce C","Výrobce D"))

pie(cetnosti,
    col=heat.colors(4),
    main="Zastoupení výrobců ve výběru",
    labels=paste("Výrobce",names(cetnosti),"\n",cetnosti)) # funkce paste() umožňuje sloučit textové řetězce a hodnoty proměnných, symbol "\n" tvoří nový řádek v textu

# rel. četnosti byly spočteny a uloženy do proměnné rel.cetnosti výše
pie(cetnosti,
    col=heat.colors(4),
    main="Zastoupení výrobců ve výběru",
    labels=paste0("Výrobce ",names(cetnosti),"\n",cetnosti,"; ",rel.cetnosti," %"))

# Pro zájemce - balíček plotrix a funkce pie3D vytvoří 3D koláčový graf


## Sloupcový graf - angl. barplot #####################################################
cetnosti=table(dataS$vyrobce)  # v tuto chvíli není nutno používat, četnosti jsme již spočetli a uložili do proměnné cetnosti výše
barplot(cetnosti)

# Změna barev, přidání názvu
barplot(cetnosti,
        col=heat.colors(4),
        main="Zastoupení výrobců ve výběru",
        space=0.6)                             # parametr space vytvoří mezeru mezi sloupci

# Přidání dalších popisků a legendy
par(mar=c(2,4,2,10),xpd=TRUE) 
# parametr xpd = TRUE umožňuje vykreslení legendy mimo oblast grafu
barplot(cetnosti,
        col=heat.colors(4),
        horiz=TRUE,                            # horizontální orientace grafu
        border=FALSE,				                   # nevykresluje čáru kolem sloupečků
        main="Zastoupení výrobců ve výběru",
        names.arg=paste("Výrobce",names(cetnosti)),
        args.legend = list(xpd=TRUE))
legend("right",
       paste("Výrobce",names(cetnosti)),
       col=heat.colors(4),
       fill=heat.colors(4),
       border=FALSE,
       bty="n",  # není vykresleno orámování legendy
       inset=-0.3) # kvůli umístění legendy

# Přidání absolutních a relativních četností k odpovídajícím sloupcům
bp = barplot(cetnosti,
             col=heat.colors(4),
             main="Zastoupení výrobců ve výběru",
             names.arg=paste("Výrobce",names(cetnosti)))
text(bp,cetnosti,cetnosti)

bp = barplot(cetnosti,
             col=heat.colors(4),
             main="Zastoupení výrobců ve výběru",
             names.arg=paste("Výrobce",names(cetnosti)))
text(bp,
     cetnosti,paste0(cetnosti,"; ",rel.cetnosti," %"),
     pos=1)						# parametr pos udává, kde bude text uveden vzhledem k dané pozici (1 = pod, 2 = vlevo, 3 = nad, 4 = vpravo) 	

## Jak graf uložit? ##################################################################

# Zjištění aktivního okna, nastavení aktivního okna - tj. který graf chceme uložit?
dev.cur()
dev.set(2)

# Uložení obrázku ve formátu pdf (výška a šířka jsou uvedeny v palcích (inch), 1inch=2,54cm)
dev.print(device=pdf,file="barplot.pdf",width=6.5,height=5)

# Zavření grafického okna
dev.off()

# Kam se obrázek uložil?
getwd()

# uložit obrázek lze i přes dialogové okno - Export

#######################################################################################
#####Pie charts are a very bad way of displaying information.##########################
##The eye is good at judging linear measures and bad at judging relative areas.########
##A bar chart or dot chart is a preferable way of displaying this type of data. #######
#######################################################################################