# install.packages("tidyverse")
library(tidyverse)
# update.packages()

#install.packages("datos")
library(datos)

### Trabajaremos con estos datos
millas # Base de datos a usar
?millas # documentación
help(millas)

#### Plot básico, quizás lo conozcan
plot(millas$cilindrada, millas$autopista)

### Para gráficos de mejor calidad: ggplot2
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista))

### Cruzando con la variable 'clase'
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, color = clase))

### Hay otras opciones de visualización, hay que ir viendo cuál es la más adecuada
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, size = clase, color = clase))

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, alpha = clase))

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, shape = clase))

### Se pueden fijar parámetros estéticos a mano, sin que dependan de variables
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista), color = 'blue') +
  geom_point(mapping = aes(x = log(cilindrada), y = log(autopista)), color = 'green') 

### Podemos separar los datos en varios gráficos, en vez de visualizarlos todos juntos con distintos parámetros estéticos
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  facet_wrap(~clase)

### Podemos hacer lo mismo para distintas combinaciones de variables
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, colour = clase)) +
  facet_grid(traccion ~ cilindros)

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  facet_grid(clase ~ .)

### Exploramos como combinar distintos tipos de gráficos (geoms)
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista))

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista), alpha = 0.3) + 
  geom_smooth(mapping = aes(x = cilindrada, y = autopista))

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, color = traccion)) +
  geom_smooth(mapping = aes(x = cilindrada, y = autopista, linetype = traccion))


### Transformaciones estadísticas
?diamantes

ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, y = stat(count)))

# Cambiando el estadístico del gráfico de barras
demo <- tribble(
  ~corte,     ~freq,
  "Regular",   1610,
  "Bueno",     4906,
  "Muy Bueno", 12082,
  "Premium",   13791,
  "Ideal",     21551
)

ggplot(data = demo) +
  geom_bar(mapping = aes(x = corte, y = freq), stat = "identity")

# Para mostrar proporciones en vez de conteo
ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, y = stat(prop), group = 1))

# Especificando la información a mostrar en el gráfico
ggplot(data = diamantes) +
  stat_summary(
    mapping = aes(x = corte, y = profundidad),
    fun.min = min,
    fun.max = max,
    fun = median
  )

# Para los gráficos de barras, contamos con el parámetro estético 'fill'
ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, colour = corte))

ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, fill = corte))

# Esto es particularmente útil al cruzar distitnas variables
ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, fill = claridad), position = 'stack')
# Observar que estamos apilando distintos gráficos de barras
# Hay otras opciones estéticas para el parámtero 'position' (stack por defecto)
# Identitiy:
ggplot(data = diamantes, mapping = aes(x = corte, fill = claridad)) +
  geom_bar(alpha = 1/5, position = "identity")

ggplot(data = diamantes, mapping = aes(x = corte, colour = claridad)) +
  geom_bar(fill = NA, position = "identity")
# Fill:
ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, fill = claridad), position = "fill")
# Dodge
ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte, fill = claridad), position = "dodge")
# Jitter: agrega ruido aleatorio a posiciones para evitar solapamiento

# En general: estructura ggplot
#ggplot(data = <DATOS>) +
#  <GEOM_FUNCIÓN>(
#    mapping = aes(<MAPEOS>),
#    stat = <ESTADÍSTICAS>,
#    position = <POSICIÓN>
#  ) +
#  <FUNCIÓN_COORDENADAS> +
#  <FUNCIÓN_FACETAS>