library(tidyverse)
View(mpg)

#Variáveis: displ (tamanho do motor do carro, em litros) e hwy 
#(eficiência do uso de combustível na estrada, em milhas por galões)

#Dúvidas: ?mpg

#Primeiro gráfico (base do R):
plot(x=mpg$displ, y=mpg$hwy)
#usar qplot (gráficos rápidos no ggplot2). Escolhe automaticamente 
#o que acha mais adequado.
qplot(x=mpg$displ, y=mpg$hwy)
qplot(x=mpg$displ)

#Com o ggplot2:
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy))

#Quanto maior o tamanho do motor, menor é a eficiência.
#Atenção: começar com ggplot(), daí adicionar camadas. O primeiro argumento do
#ggplot() é o banco de dados.
#geom_point indica que é um gráfico de dispersão.

#Adicionar uma nova variável ao gráfico para ajudar a interpretar melhor:
# class = tipo de carro.

#Opções:
#1: Cor
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy, color=class))

#Gostaram da cor? Para mudar a cor, adicionar nova camada scale_colour_brewer()
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy, color=class)) +
  scale_colour_brewer()

#Testar novas cores (slide):
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy, color=class)) +
  scale_colour_brewer(palette="Dark2")

#Analisar agora: outliers são carros de 2 lugares. Motor grande, mas são pequenos
#o que diminui os gastos de combustível (andam por mais milhas).

#Outra possibilidade de diferenciar: adicionar formato (shape) aos pontos.
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy, shape=class))

#Problema: ggplot2 só tem 6 shapes, SUV desapareceu.

#Outra possibilidade: analisar cada tipo de carro separadamente (usando facets).
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy)) +
  facet_wrap(~class)

#Adicionar cor aos pontos:
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy), color="darkblue") +
  facet_wrap(~class) # ~ é assim por padrão da função

#Adicionar cor diferente segundo ano:
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy, color=factor(year))) +
  facet_wrap(~class) +# ~ é assim por padrão da função
  scale_colour_brewer(palette="Dark2")

#Testar diferentes cores.

#Adicionar uma linha de regressão ao gráfico original:
ggplot(data=mpg) +
  geom_point(aes(x=displ, y=hwy)) +
  geom_smooth(aes(x=displ, y=hwy))

#Loess: linhas de regressão suavizadas.
#Cinza = intervalo de confiança de 95% para a curva.

#Problema: repetição. É possível adicionar x e y já no ggplot(). Aplica a todos os
#geoms sem mapping especificado
ggplot(data=mpg, aes(x=displ, y=hwy)) +
  geom_point() +
  geom_smooth()

#É possível especificar mapping diferente para só uma camada
ggplot(data=mpg, aes(x=displ, y=hwy)) +
  geom_point(aes(color=class)) +
  geom_smooth()

#Gráfico de barras
#Banco de dados "diamonds" (vem no ggplot2)
?diamonds
#Dados sobre ~54000 diamantes, analisar número de diamantes segundo corte:
ggplot(data=diamonds) +
  geom_bar(mapping=aes(x=cut))

#Adicionar cor:
ggplot(data=diamonds) +
  geom_bar(mapping=aes(x=cut, fill=cut)) 

#Vez distribuição da clareza do diamante segundo o corte.
ggplot(data=diamonds) +
  geom_bar(mapping=aes(x=cut, fill=clarity)) 

#Mudar a cor: 
scale_fill_brewer(palette = 3)

#Melhor opção, clarity separado:
ggplot(data=diamonds) +
  geom_bar(mapping=aes(x=cut, fill=clarity),
           position="dodge") +
  scale_fill_brewer(palette = "Dark2")

#Adicionar nomes: título, fonte e variáveis
ggplot(data=mpg, aes(displ,hwy)) +
  geom_point(aes(color=class)) +
  geom_smooth(se=FALSE) +
  scale_colour_brewer(palette="Dark2") +
  ggtitle("Eficiência de energia e tamanho do motor") +
  theme(plot.title = element_text(hjust = 0.5)) + #centralizar título 
  xlab ("Tamanho do motor (L)") +
  ylab("Eficiência (mpg)")


#Fim. Comparar primeiro gráfico e gráfico final


#Pirâmide
dados <- read.csv("PiramideR.csv", check.names= FALSE, sep = ";")
graf <- ggplot(data = dados, aes(x = Idade, y = Pop, fill = Sexo)) + 
  geom_bar(data = dplyr::filter(dados, Sexo == "Fem"), stat = "identity") + 
  geom_bar(data = dplyr::filter(dados, Sexo == "Masc"), stat = "identity") + 
  scale_y_continuous(breaks = seq(-4000000, 4000000, 1000000), 
                     labels = paste0(as.character(c(4:0, 1:4)), "m")) + 
  ylab('População') + 
  xlab('Idade') + 
  ggtitle("Pirâmide populacional do Estado de São Paulo, 2012")+ 
  theme(plot.title=element_text(size=24)) +
  scale_fill_hue(guide = guide_legend(reverse=TRUE)) +
  coord_flip()
graf
ggsave("graph.png", width=10, height=8)

#stat = identity, o tamanho da barra é o valor de y (não a contagem)

#extensões do ggplot2: http://www.ggplot2-exts.org/gallery/
#Para inspiração: R Graph Gallery