#####################################################################
## Introduzione a R

#Impostare la directory di lavoro!

#L'aritmetica con R  #-----------------------------------------------

12 > 10
1+2+3
2+3*4
3/2+1
2+(3*4)
(2 + 3) * 4
4*3^3

#assegnazione 
x <- sqrt(2)
x
x*3
x^3 -> y
y
z = exp(x)
z
w = log(y)+x
w

#uso degli operatori
x
x > 10
x <= 10
tf = x > 10
tf
5!=5
TRUE==1
FALSE==0

#mode()

y = "Ciao"
mode(y)

## Variabili e vettori #-----------------------------------------------

x = c(10, 15, 6.4, 3, 18) #assegnazione del vettore
x                         #visualizzazione del contenuto del vettore
str(x)                    #restituisce la struttura dell'oggetto

z<-1:18                       #genera un vettore dei numeri da 1 a 18

seq(1,18,1.5)
seq(from=1, to=18, by=1.5) #vettore da 1 a 18 con intervalli di 1.5

?seq

rep(1,15) #genera un vettore in cui si ripete 15 volte il valore 1

a = c(rep(2,3),4,5,rep(1,5),11:15)
a =c(a, "Ciao")

y = x[2]        #seleziona il secondo elemento di x
y
z = x[2:4]      #seleziona gli elementi dal secondo al quarto 
z
w = x[c(2, 5)]  #seleziona il secondo e il quinto elemento di x 
w

x = c(1, 2, 4, 8, 16, 32)
x
x[-4]

x = 1:10
x*2
x > 5

#------------------------------------------------------------

x = rep(10,8)
y = c(1,2)
x
y
x*y   
x+y

z = c(72.6, 40.1, 59.6, 92.3, 65.4, 27.1)

sort(z)      #valori in ordine crescente
order(z)     #ordine dei valori nel vettore
length(z)    #numero di elementi nel vettore
range(z)     #range dei valori nel vettore
mean(z)      #media aritmetica
var(z)       #varianza dei valori del vettore 


## Matrici #-----------------------------------------------

x = matrix(c(2,3,5,7,11,13), nrow=3)
x
x = matrix(c(2,3,5,7,11,13), ncol=3)
x

X = scan("ex.data", skip = 1, quiet = TRUE)    
X

mx = matrix(X, ncol=3, byrow=TRUE)
mx

dim(mx)

mx[2,1]     #seleziona l'elemento nella riga 2 e colonna 1

mx[2,2]     #seleziona l'elemento nella riga 2 e colonna 2

mx[2, ]      #estrae la seconda riga 
mx[ ,3]      #estrae la terza colonna 

x = matrix(1:16, ncol=4)
x

y = x[c(1,4),c(3,4)]
y

# Array #-------------------------------------------------

x = 1:20
ax = array(x, dim=c(5,2,2))
ax
dim(ax)

ax[3,2,1]    
ax[, 2, ]
ax[-1,,1]


#Liste #--------------------------------------------------

x1 = 1:3
x1
x2 = c("A", "B", "C","D","E")
x2
x3 = matrix(1:12,nrow=3)
x3
list1 = list(x1, x2, x3)
list1

list1[[1]]
list1[[2]]
list1[[3]]

list1[[3]][2,3]
l1 = list1[[1]]
l1
l1[2]

list2 = list(comp1 = x1, comp2 = x2, comp3 = x3)
list2
list2$comp2
list2$comp2[3]
list2$comp3[1,]

names(list2)
list12=c(list1,list2)
list12


## Fattori  #-----------------------------------------------

country=c("Italy","Germany","France","Germany","Germany",
          "Germany","France","Italy","Italy","France","Italy",
          "Italy","Italy","Italy","Germany")
countryf = factor(country)
countryf
levels(countryf)

age = c(47,44,44,40,38,36,42,34,34,44,45,41,28,46,43)

#tapply()

tapply(age, countryf, mean)

sex = c("F","F","M","F","F","M","F","M","M","M","M","M","F","F","M")
under40 = age < 40
Workers = data.frame(Country=countryf,Age=age, Sex=sex, 
                     Under40=under40)
str(Workers) 
Workers$Age           #richiama una variabile del data frame
Workers$Sex = NULL    #elimina una variabile
head(Workers)



##### I dati e il data frame  #----------------------------------

#Leggere un file Excel

library(openxlsx)   #carichiamo il pacchetto

#leggiamo i dati

a = read.xlsx("../FoodChoices/food_coded_rev2.xlsx")

#esploriamo il data set

dim(a)
head(a)
length(a)
names(a)

#accediamo a elementi del data frame

a[[1]]
a[,1]
a$GPA
a[2:7,2:6]
a[2:7,2]
class(a[2:7,2])
a$Gender[2:7]

## trasformazione in fattore e definizione livelli

a$Gender=factor(a$Gender)
a$Gender
levels(a$Gender)=c("Female","Male")
str(a$Gender)

#frequenza assoluta
length(a$Gender[a$Gender=="Female"]) .

a$calories_day=factor(a$calories_day)

levels(a$calories_day)  #N.B.: nessuna osservazione per il livello 1

#ricodifica
newlev=c("not important", "moderately important", "very important")
levels(a$calories_day)=newlev


#Uso di filtri #-----------------------------------------------

a[a$Gender=="Male", "weight"]

a$weight[a$Gender=="Male"]

a[a$Gender=="Female", "sports"]

a$Gender[a$sport==1 & a$vitamins==1]

a[a$Gender=="Female" & a$sport==2 & a$marital_status==2, 
   c("fruit_day","veggies_day")]


## estrazione da data frame: funzione 'subset'

subset(a,subset=(Gender=="Female" & a$sport==2 & a$marital_status==2),
      select= c("fruit_day","veggies_day"))

# Frequenze #----------------------------------------------------

table(a$Gender)                   #assolute
table(a$Gender)/length(a$Gender)   #relative


a$diet_current_coded=factor(a$diet_current_coded)
levels(a$diet_current_coded)=c("healthy/balanced/moderated", 
         "unhealthy/cheap/too much/random",
         "the same thing over and over", 
         "unclear")

tableDiet=table(a$diet_current_coded)    
tableDiet

cbind(table(a$diet_current_coded))

margin.table(tableDiet)

## barplot: distribuzione del tipo di dieta

barplot(tableDiet, names.arg = c("1", "2", "3", "4"), col=2)

#Preferenze tipo di cucina

a$fav_cuisine_coded=factor(a$fav_cuisine_coded)
levels(a$fav_cuisine_coded)=c("none","Italian/French/Greek", 
                              "Spanish/Mexican","Arabic/Turkish",
                              "Asian/Chinese","American", 
                              "African","Jamaican","Indian")

tableCuisine=table(a$fav_cuisine_coded)
tableCuisine

par(mar=c(9,4,4,4))
barplot(tableCuisine, las=2, col=3)    

#-------------------------------------------------------------

a$breakfast=factor(a$breakfast)
levels(a$breakfast)=c("cereal","donut")

tableBreak=table(a$Gender,a$breakfast)       #creo la tabella table2
tableBreak
prop.table(tableBreak)             #uso il comando prop.table()

prop.table(tableBreak, margin=1)            

round(prop.table(tableBreak, margin=1), 2)  

#-------------------------------------------------------------

tableHealthy=table(a$diet_current_coded=="healthy/balanced/moderated", 
             a$Gender)
tableHealthy
round(prop.table(tableHealthy, margin = 2), 2)

# ---------------------------------------------------------------
#La funzione cbind()

id=1:nrow(a)      #creo vettore con identificativo

a =cbind(id,a)     #aggiungo il vettore al data frame
head(a)

#aggiungiamo una nuova variabile 

kg=round(a$weight/2.2046, 2)
a=cbind(a, kg)
head(a) 

### Dati mancanti  #----------------------------------------------

is.na(a)   #ci sono NA?

# na.rm
sum(a$GPA<3.5)
sum(a$GPA<3.5, na.rm=TRUE)

mean(a$kg)
mean(a$kg, na.rm=TRUE)


#dati non-mancanti

a1<-a[!is.na(a$weight),]
head(a1)

pesomaschi=a1$kg[a1$Gender=="Male"]
sum(pesomaschi>90)/length(pesomaschi)

na.omit(a)   # eliminiamo dati mancanti

# Applicare funzioni sui data frame #-----------------------------
#split e by

#per suddividere in base a livelli di un fattore

split(a$kg, a$Gender)

# applicare una funzione ad ogni livello di un fattore

by(a$kg, a$diet_current_coded, mean, na.rm = TRUE)   

### Caricare il workspace "feeling.Rdata"------------------------

load("../FeelingData/feeling.Rdata")


## for (i in expr1) {expr2}

#ciclo for per calcolo media 

for (i in 1:length(feeling)) 
  {
  print(mean(feeling[, i], na.rm=TRUE))
}

## apply() per variabili dello stesso tipo

Mean=apply(feeling, 2, mean, na.rm=TRUE)
Mean

summary(feeling)

ImmCl=cut(feeling$ft_immig_2016, breaks=c(-1, 25, 50, 75, 100), 
                 labels=c("Per nulla", "Basso", "Medio", "Alto"))

feeling$Immig2=factor(ImmCl) #aggiunge la colonna al data frame

#write.table(feeling,file="nomefile.csv", sep=",", row.names = FALSE)


################### Rappresentazioni grafiche #########################

#Variabili categoriali

pie(table(a$Gender))

#diagramma a barre

par(mfrow=c(1,2),las=1, mar=c(9,4,1,1))
barplot(table(a$fav_cuisine_coded), las = 2)
barplot(table(a$fav_cuisine_coded)/length(a$fav_cuisine_coded), las=2)

# plot()

par(mfrow=c(1,1), mar=c(9,4,1,1))
plot(a$fav_cuisine_coded, las=2)

#condizioniamo rispetto a Gender

par(mfrow=c(1,1),las=1)
tab.cond=table(a$fav_cuisine_coded, a$Gender)
barplot(prop.table(tab.cond,2),beside=T,legend=T,ylim=c(0,1.),
        args.legend=list(x ="top",bty="n"))

#aggiungiamo i colori
barplot(prop.table(tab.cond,2), beside=T, legend=T, ylim=c(0,1.),
        args.legend=list(x ="top",bty="n"), col=1:9)

# stacked bar chart

colors= rainbow(9)                 #vettore dei colori
barplot(prop.table(tab.cond,2), legend=T, ylim=c(0,1.), 
        args.legend=list(x ="topright",bty="n",inset=c(-0.55,0)),
        col=colors)

###########################
#
## Variabili numeriche #----

par(mfrow=c(1,2),las=1)

hist(a$kg, xlim = c(40,140))

#specifichiamo gli estremi degli intervalli con breaks

hist(a$kg, breaks=c(45,65,80,95,125), xlim = c(40,140))  #ampiezza classi diversa

#frequenze relative

par(mfrow=c(1,1),las=1)
hist(a$kg, freq=FALSE, xlim = c(40,140))

#boxplot

par(mar=c(2,3,1,1),las=1)
boxplot(a$GPA)

par(mar=c(2,3,1,1),las=1)
boxplot(a$GPA~a$Gender)

###più variabili qualitative insieme

a$sports=factor(a$sports)
levels(a$sports)=c("Sport_Yes", "Sport_No")

tab.sc=table(a$calories_day, a$sports)
mosaicplot(tab.sc, color = c("royalblue", "deepskyblue"), 
           main = " ", cex=1.1)