# R Lab 1: Distanze e dissimilarità

library(ggplot2)
library(cluster) 

# Esempio con dati simulati: 2 variabili
# FreqAway=numero medio (mensile) di pasti consumati fuori casa/famiglia
# Home=spesa per i pasti consumati a casa (annuale)/famiglia
# dimensione per un insieme di n=100 x 2 

FoodS<-read.csv("food_spending.csv", header=TRUE)
head(FoodS)
dim(FoodS)
ggplot(FoodS, aes(FreqAway, Home)) + 
  geom_point()

#------------------------------------------------------------
### 1. Calculo matrice delle distanze
#------------------------------------------------------------

?dist
D.<- dist(FoodS) # distanza Euclidea
str(D.)
head(D.)

# costruzione matrice da oggetto "dist"
Dmat<-as.matrix(D.) 
Dmat[1:5, 1:5]   # selezione 5x5
range(Dmat)
#View(Dmat)
summary(Dmat)

# funzione daisy del pacchetto "cluster"
?daisy
dist1<-daisy(FoodS)   # default options --> distanza Euclidea; 
str(dist1)            # dissimilarity object

as.matrix(dist1)[1:5, 1:5]    

apply(FoodS, 2, var)
apply(FoodS, 2, mean)

#------------------------------------------------------------
# Standardizzazione
#------------------------------------------------------------
# utilizzando daisy()
dist2<-daisy(FoodS, stand = TRUE)    
as.matrix(dist2)[1:5, 1:5]

# cosa produce "stand = TRUE"?
# valori standardizzati per ciascuna delle 2 variabili
# sottraendo la media e dividendo per la deviazione media assoluta 


# OPTIONAL #
FoodS2<-matrix(NA, nrow=nrow(FoodS), ncol=2)
for (j in 1:ncol(FoodS)){
  FoodS2[,j]=(FoodS[,j]-mean(FoodS[,j],na.rm=TRUE))/
    mean(abs(FoodS[,j]-mean(FoodS[,j],na.rm=TRUE)))}

head(FoodS2)
as.matrix(dist(FoodS2))
# dist(FoodS2) da' lo stesso risultato di dist2
stopifnot(dist(FoodS2)==dist2)

##############

# Esercizio: 
# Si ottenga la matrice di dissimilarità per FoodS utilizzando la distanza di Manhattan nella
# funzione dist(). Si confronti il risultato con la matrice ottenuta mediante la standardizzazione preventiva
# dei dati effettuata con la funzione scale().

Md<-dist(FoodS, method = "manhattan")
summary(Md)
?scale
scFoodS<-scale(FoodS)  #centered, scaled matrix (x-mu)/sd
Md2<-dist(scFoodS, method = "manhattan")
summary(Md2)
par(mfrow=c(1,2))
hist(Md)
hist(Md2)

#------------------------------------------------------------
# Distanza di Gower per dati di tipo misto
#------------------------------------------------------------

# claims data set ("claims.csv")
# “litig”: contestazione (categoriale)
# “soft_injury”: lesioni dei tessuti molli  (categoriale)
# “emergency_tr”: intervento di cure d'emergenza (categoriale)
# “NumTreat”: number of medical treatments (numerica)

d<-read.csv(file="claims.csv", header = TRUE)
head(d)

# re-code factors
d$litig<-as.factor(d$litig)
d$soft_injury<-as.factor(d$soft_injury)
d$emergency_tr<-as.factor(d$emergency_tr)
head(d)
#save(d, file = "claims2.RData")


### R lab 1: 29.04.2026

load("claims2.RData")
str(d)
#?levels
table(d$litig)
prop.table(table(d$litig))
barplot(prop.table(table(d$litig)), ylim=c(0,1), col=2)

# matrice delle distanze di Gower 
?daisy
diss<-as.matrix(daisy(d, metric = "gower"))
diss[1:5, 1:5]
dim(diss)
range(diss)
which(diss==max(diss), arr.ind=TRUE)[1,]

d[c(656, 69), ]