# Graphiken (Pakete graphics und ggplot2)

library(ggplot2)

#-----------------------------------------------------------------
#-----------------------------------------------------------------
library(HSAUR2)
data("Forbes2000", package = "HSAUR2")

# ----------------------------------
# 2.7 Simple Graphics

# Formatierungsbefehle für Graphiken
?par

# -----------------
# Histogramm

# graphics
par(mar = c(4, 4, 0, 0))
hist(Forbes2000$marketvalue, main = "", col = "darkgray", xlab="market value", ylab="absolute frequency")

# ggplot2 
qplot(Forbes2000$marketvalue, xlab="market value", ylab="absolute frequency")
qplot(Forbes2000$marketvalue, xlab="market value", ylab="absolute frequency", binwidth=10)
qplot(Forbes2000$marketvalue, xlab="market value", ylab="absolute frequency", binwidth=10, geom="histogram")

ggplot(Forbes2000, aes(x=marketvalue)) + 
  geom_histogram(binwidth=10) +
  xlab("market value") + 
  ylab("absolute frequency")

# -----------------
# Streudiagramm

# graphics
par(mar = c(4, 4, 0, 0))
plot(log(marketvalue) ~ log(sales), data = Forbes2000,
     pch = 16, col = rgb(0, 0, 0, 0.1))
?rgb
# rgb(red, green, blue, alpha, names = NULL, maxColorValue = 1)
# Parameter alpha gibt die Transparenz an

# ggplot2
qplot(log(sales), log(marketvalue), data=Forbes2000)
qplot(log(sales), log(marketvalue), data=Forbes2000, geom="point")

ggplot(Forbes2000, aes(x=log(sales), y=log(marketvalue))) + geom_point()
ggplot(Forbes2000, aes(x=log(sales), y=log(marketvalue))) + geom_point(alpha=0.1,size=4,colour="blue")

# ----------------------------------
# 2.8 Simple Linear Regression

m1 <- lm(log(marketvalue) ~ log(sales), data = Forbes2000)

# Einzeichnen der Regressionsgerade in das Streudiagramm

# graphics
par(mar = c(4, 4, 0, 0))
plot(log(marketvalue) ~ log(sales), data = Forbes2000,
     pch = 16, col = rgb(0, 0, 0, 0.1))
abline(m1, col = "red", lwd = 2)

# ggplot2
ggplot() + 
geom_point(data=Forbes2000, aes(x=log(sales), y=log(marketvalue))) +  
geom_abline(slope=m1$coefficients[2], intercept=m1$coefficients[1], colour="red", size=2)


#-----------------------------------------------------------------
#-----------------------------------------------------------------
# Weitere Funktionen zur Erstellung von Graphiken 

#-----------------------
# Beispieldatensätze

# Iris-Datensatz: 
# This famous (Fisher's or Anderson's) iris (Schwertlilien) data set gives the measurements in centimeters of the variables 
# sepal (Kelchblatt) length and width and petal (Blütenblatt) length and width, respectively, for 50 flowers 
# from each of 3 species of iris. The species are Iris setosa, versicolor, and virginica.
data("iris")
?iris

# Titanic-Datensatz:
# This data set provides information on the fate of passengers on the fatal maiden voyage of the ocean liner ‘Titanic’, 
# summarized according to economic status (class), sex, age and survival.
data("Titanic")
?Titanic

# table Titanic in data.frame mit Häufigkeiten umwandeln
frequency     <- data.frame("Frequency"=as.vector(Titanic))
covariates    <- expand.grid(dimnames(Titanic))
table_Titanic <- cbind(covariates,frequency)

# data.frame mit einzelnen Beobachtungen
frequency    <- as.vector(Titanic)
covariates   <- expand.grid(dimnames(Titanic))
Class        <- rep(covariates[,1],frequency)
Sex          <- rep(covariates[,2],frequency)
Age          <- rep(covariates[,3],frequency)
Survived     <- rep(covariates[,4],frequency)
data_Titanic <- data.frame("Class"=Class,"Sex"=Sex,"Age"=Age,"Survived"=Survived) 


#-----------------------------------
# Säulen-/Balkendiagramm
?barplot

addmargins( table(data_Titanic$Class, data_Titanic$Sex) )
# oder
addmargins( apply(Titanic,c(1,2),sum) )

# Balken nebeneinander
# graphics 
barplot(table(data_Titanic$Class, data_Titanic$Sex), beside=TRUE,legend=TRUE)
# oder
barplot(apply(Titanic,c(1,2),sum), beside=TRUE, legend=TRUE)

# ggplot2
# Plot basierend auf Daten mit individuellen Beobachtungen
ggplot(data_Titanic, aes(x=Sex, fill=Class)) +
  geom_bar(position="dodge", stat="bin")

# Graphik-Optionen in ggplot
# Graphik getrennt nach Gruppen
ggplot(table_Titanic, aes(x=Class, y=Frequency)) + 
  geom_bar(stat="identity") + 
  facet_wrap(~Sex, nrow=1) 

# andere Farbe
ggplot(table_Titanic, aes(x=Class, y=Frequency)) + 
  geom_bar(stat="identity", fill="blue") + 
  facet_wrap(~Sex, nrow=1) 

# Farben getrennt nach Gruppe
ggplot(table_Titanic, aes(x=Class, y=Frequency)) + 
  geom_bar(stat="identity", aes(fill=Sex)) + 
  facet_wrap(~Sex, nrow=1) +
  scale_fill_manual(values=c("blue","red"))

# Graphiken untereinander
ggplot(table_Titanic, aes(x=Class, y=Frequency)) + 
  geom_bar(stat="identity") + 
  facet_wrap(~Sex, ncol=1)

# weiteres Beispiel mit einer Gruppierungsvariable
ggplot(table_Titanic, aes(x=Sex, y=Frequency)) + 
  geom_bar(stat="identity") + 
  facet_wrap(~Class)


# Beispiele mit zwei Gruppierungsvariablen 
# funktioniert nur auf den Daten mit individuellen Beobachtungen
xtabs(~Class+Sex+Age, data=data_Titanic)

# Aufteilung nach Class und Age 
ggplot(data_Titanic, aes(x=Sex, fill=Class)) + 
  geom_bar(position="dodge", stat="bin") + 
  facet_wrap(~Age)

# Balken übereinander 
ggplot(data_Titanic, aes(x=Sex, fill=Class)) + 
  geom_bar(position="stack", stat="bin") + 
  facet_wrap(~Age)

# Farben variieren 
ggplot(data_Titanic, aes(x=Sex, fill=Class)) + 
  geom_bar(position="dodge", stat="bin") + 
  facet_wrap(~Age) +
  scale_fill_manual(values=c(grey(0.8), grey(0.6), grey(0.4), grey(0.2)))

# Grid 
ggplot(data_Titanic, aes(x=Class)) + 
  geom_bar(position="dodge", stat="bin") + 
  facet_grid(Sex~Age)


#-----------------------------------
# Mosaikplot 

# graphics
?mosaicplot
# basierend auf den Kreuztabellen
mosaicplot(~ Sex + Survived, data = Titanic, shade = TRUE)
# basierend auf den individuellen Beobachtungen
mosaicplot(~ Sex + Survived, data = data_Titanic, shade = TRUE)


#-----------------------------------
# Boxplot 

# graphics
?boxplot
boxplot(iris$Sepal.Length, iris$Sepal.Width, 
        col=2:3, names=c("Sepal.Length", "Sepal.Width"))

# ggplot2
help1 <- c(iris$Sepal.Length, iris$Sepal.Width)
help2 <- data.frame("count"=help1, "which"=rep(c("Length","Width"), each=nrow(iris)))

ggplot(help2, aes(x=which, y=count)) + 
  geom_boxplot()

# weitere Beispiele

# mit Einfärbung
ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
  geom_boxplot(fill="green", outlier.colour="blue", outlier.size=5) 

# Farben getrennt nach Gruppen 
ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
  geom_boxplot(aes(fill=Species)) 

# Spielereien 
ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
  geom_boxplot() +
  geom_jitter() + 
  coord_flip()

ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
  geom_boxplot(aes(colour=Species)) +
  geom_jitter(position = position_jitter(width = 0.05, height=0), aes(colour=Species)) + 
  coord_flip()


#-----------------------------------
# Streudiagrammmatrix 
?pairs
pairs(iris, col=iris$Species)

# Streudiagramm nach Gruppen
library("lattice")
xyplot(Petal.Length ~ Sepal.Length | Species, data=iris)

# ggplot2
# Farben nach Gruppen
ggplot(iris, aes(x=Petal.Length, y=Sepal.Length, colour=Species)) + 
  geom_point()  

# Form nach Gruppen 
ggplot(iris, aes(x=Petal.Length, y=Sepal.Length, shape=Species)) + 
  geom_point() 

# Farben und Form nach Gruppen
ggplot(iris, aes(x=Petal.Length, y=Sepal.Length, colour=Species, shape=Species)) + 
  geom_point(size=4) +
  scale_colour_manual(values=c(grey(0.8), grey(0.6), grey(0.4)))

# Unterteilung nach Gruppen  
ggplot(iris, aes(x=Petal.Length, y=Sepal.Length)) + 
  geom_point() + 
  facet_wrap(~Species, nrow=2)

ggplot(iris, aes(x=Petal.Length, y=Sepal.Length)) + 
  geom_point() + 
  facet_grid(Species~.)

ggplot(iris, aes(x=Petal.Length, y=Sepal.Length)) + 
  geom_point() + 
  facet_grid(.~Species)

# Farben nach weiterer metrischer Variable 
ggplot(iris, aes(x=Petal.Length, y=Sepal.Length, colour=Petal.Width)) + 
  geom_point()

ggplot(iris, aes(x=Petal.Length, y=Sepal.Length, colour=Petal.Width)) + 
  geom_point() +
  scale_colour_gradientn(colours=rainbow(4))+
  theme(legend.position="top")

# Es ist auch möglich, nach mehreren Gruppierungsvariablen zu unterscheiden
gruppierung <- rep(1:3, times=50)   # willkürliche Beispielgruppierung
gruppierung <- factor(gruppierung, levels=1:3, labels=c("Gruppe 1", "Gruppe 2", "Gruppe 3"))

xyplot(Petal.Length ~ Sepal.Length | Species * gruppierung, data=iris)

ggplot(cbind(iris, gruppierung), aes(x=Petal.Length, y=Sepal.Length, colour=Species)) + 
  geom_point() + 
  facet_wrap(~gruppierung)

ggplot(cbind(iris, gruppierung), aes(x=Petal.Length, y=Sepal.Length)) + 
  geom_point() + 
  facet_grid(gruppierung~Species)


#-----------------------------------
# Parallele Koordinaten 
library("MASS")
?parcoord
parcoord(iris[,1:4], col=iris$Species)


#-----------------------------------------------------------------
#-----------------------------------------------------------------
# Einen Plot von Grund auf erstellen (mit graphics)

# Beispieldaten: zwei Variablen a und b
a <- seq(-5,5)
b <- seq(-5,5)


?plot.new        # advance to a new graphics frame
?plot.window     # sets up the world coordinate system for a graphics window

plot.new()
plot.window(xlim=range(a),ylim=range(b)) 
points(a,b,pch=19)
lines(a,b)
axis(1)
axis(2)
box()

#-----------------------
# Weitere nützliche Befehle zur Erstellung von eigenen Graphiken 
?par
?text       # Text in der Graphik
?mtext      # Text in den Rändern
?box


op <- par(mar=c(4,4,4,4), oma=c(2,2,2,2))  
# (inner) margins und outer margins

# Plot
plot(a, b, xlab="a", ylab="b", pch=19)
box("figure", lty="dashed", col="orange")

# Plot area
box("plot", lty="solid", col="red")
text(x=4, y=-4, labels="Plot Area", col="red", cex=1.5) 

# Inner margin area
box("inner",lty="dashed", col="blue")
mtext("Inner Margin Area", side=3, line=1, adj=1, cex=1.5, col="blue", outer=FALSE)

# Outer margin area
box("outer", lty="solid", col="green",lwd=4)
mtext("Outer Margin Area", side=1, line=0.5, adj=1, cex=1.5, col="green", outer=TRUE)

# Zusätzliche Beschriftung
mtext("Rechts", 4, at=2, line=0.25, cex=1.2, col=grey(0.4), las=1)

# Grafikeinstellungen auf Standard zurücksetzen
par(op)


#-----------------------
# mehrere Graphiken in einem Fenster
par(mfrow=c(2,2))
mosaicplot(~ Class + Survived, data = Titanic)
mosaicplot(~ Sex + Survived, data = Titanic)
mosaicplot(~ Age + Survived, data = Titanic)
mosaicplot(~ Class + Sex + Age, data = Titanic)

# library(gridExtra) für mehrere ggplot2 Graphiken in einem Fenster
library(gridExtra)
plot1 <- ggplot(iris, aes(x=Petal.Length, y=Sepal.Length)) + 
          geom_point() + 
          facet_grid(Species~.)
plot2 <- ggplot(iris, aes(x=Petal.Length, y=Sepal.Length)) + 
          geom_point() + 
          facet_grid(.~Species)
grid.arrange(plot1,plot2,nrow=1)



?layout
layout(mat=matrix(c(1,2,3,0), nrow=2, ncol=2, byrow=TRUE) )
plot(Petal.Length ~ Sepal.Length, data=iris )
boxplot(iris$Petal.Length, ylab="Petal.Length")
boxplot(iris$Sepal.Length, xlab="Sepal.Length", horizontal=TRUE)

layout(mat=matrix(c(1,2,3,0), nrow=2, ncol=2, byrow=TRUE), widths=c(2.5,1.1), heights=c(2.5,1.1) )
plot(Petal.Length ~ Sepal.Length, data=iris )
boxplot(iris$Petal.Length, ylab="Petal.Length")
boxplot(iris$Sepal.Length, xlab="Sepal.Length", horizontal=TRUE)

layout(mat=matrix(c(3,0,1,2), nrow=2, ncol=2, byrow=TRUE), widths=c(2,1), heights=c(1,2) )
plot(Petal.Length ~ Sepal.Length, data=iris )
boxplot(iris$Petal.Length, ylab="Petal.Length")
boxplot(iris$Sepal.Length, xlab="Sepal.Length", horizontal=TRUE)

# layout-Einstellungen löschen
dev.off()

#-----------------------
# Speichern von Graphiken
setwd("S:/ProgStat")

# als pdf
?pdf
pdf(file="Ergebnisse/boxplot.pdf", width=7, height=7)
boxplot(iris$Sepal.Length, iris$Sepal.Width, 
        col=2:3, names=c("Sepal.Length", "Sepal.Width"))
dev.off()

# als postscript
postscript(file="Ergebnisse/boxplot.ps", width=7, height=7)
boxplot(iris$Sepal.Length, iris$Sepal.Width, 
        col=2:3, names=c("Sepal.Length", "Sepal.Width"))
dev.off()

# als png
png(filename = "Ergebnisse/boxplot.png", width = 480, height = 480)
boxplot(iris$Sepal.Length, iris$Sepal.Width, 
        col=2:3, names=c("Sepal.Length", "Sepal.Width"))
dev.off()

# als Windows-Metafile (funktioniert nur unter Windows)
win.metafile(filename = "Ergebnisse/boxplot.emf", width=7, height=7)
boxplot(iris$Sepal.Length, iris$Sepal.Width, 
        col=2:3, names=c("Sepal.Length", "Sepal.Width"))
dev.off()