B2_Graficos_ggplot2_plotly.Rmd

---
title: "Sesión 10. Gráficos con ggplot y plotly"
author: "Isaías Morales"
date: "27 de noviembre de 2020"
output: html_document
---

```{r setup, include=FALSE}
#knitr::opts_chunk$set(include = T)
knitr::opts_knit$set(root.dir = "E:/10 SSPM_database/01 Geodatabase/05_SESNSP")

```

# Cargar librerías

> Todas las necesarias y cuidar los posibles conflictos.


```{r}
library(tidyverse)
library(ggplot2)
library(plotly) 
library(lubridate)
```

```{r}

```


```{r}

## SESNSP INCIDENCIA Y VÍCTIMAS ==

sesnsp_vic <- read.csv("IDVFC_NM_sep2020.csv", sep=",", header= T, encoding = "ANSI")
glimpse(sesnsp_vic)
names(sesnsp_vic)
sesnsp_vic <- sesnsp_vic %>% mutate( total = rowSums( sesnsp_vic[, c(10:21)]) ) %>% rename (anio =Año) ## Para total anual
  
names(sesnsp_vic)

glimpse(sesnsp_vic)

# En la suma, si existen NA's no podrá realizarla.
tot_edad <- sesnsp_vic %>% 
                filter(Tipo.de.delito == "Homicidio") %>%
                group_by(Rango.de.edad) %>%
                summarise(total = sum(total, na.rm =T))

```

> Gráficas de R base.

```{r}

# Uno de barraspara cada categoría.
barplot(tot_edad$total,
        xlab=  "Rango de edades",
        ylab= "Totales",
        main="Distribución de edades por víctima",
        names.arg=c("+ 18 años", "- 17 Años", "No Esp.", "No Id."),
        col= "blue" )

# Uno de caja y bigotes dividido por rangos.
boxplot(formula = total ~ Rango.de.edad, data =  tot_edad,
        main="Distribución de edades por víctima",
        col="blue", 
        horizontal = T)
```

> Ggplot2


```{r}

library(ggplot2)

# Primera ggplot (Vacía)
p <- ggplot(data=tot_edad, aes(x= Rango.de.edad, y=total, fill= Rango.de.edad ))
p

# Agregamos geometría + geom( )
p <- ggplot(data=tot_edad, aes(x= Rango.de.edad, y=total, fill= Rango.de.edad )) +
      geom_bar(stat="identity") 
p

#  Relleno de color manual (Cuidar que hay valores continuos y discretos)

p <- p +   scale_fill_manual (values =c("#499099", "#72557d", "#EC4127", "#999999")) 
p

# Agregamos detalles a la gráfica

p <- p +  scale_x_discrete(drop=F, name="Rango de edad") +
          #scale_y_discrete(drop=F, name="Homicidios") +
            theme(axis.text.y = element_text(face="bold", size=8) ,
                  axis.text.x = element_text(face="bold", size=10) ,
                  axis.title.x = element_text(size=14, face="bold"),
                  axis.title.y = element_text(size=14, face="bold"),
                  legend.position = "bottom",legend.direction = "horizontal") +
            labs (fill = "Total: ")
p
```

# Gráficas interactivas con Plotly

> Plotly es una libreria más amplia, solo vamos a envolver ggplot en plotly.

```{r}
library(plotly) 
library(lubridate) # Para datos tipo date.

# Se envuelve la gráfica anterior en ggplotly

ggplotly(p)

```

> Aumentando la complejidad

```{r}
# Preproceso de información.
### Una gráfica de líneas

glimpse(sesnsp_vic)
tiempo <-  sesnsp_vic %>% filter(Clave_Ent ==22) %>%
            select(Sexo,anio, Enero:Diciembre) %>% group_by( Sexo,anio)%>%
            summarise_at(vars(Enero:Diciembre), sum) %>%
            gather(key="mes", value="total",Enero:Diciembre) %>%
            mutate (mes = case_when( mes == "Enero"      ~ 01,
                                     mes == "Febrero"    ~ 02,
                                     mes == "Marzo"      ~ 03,
                                     mes == "Abril"      ~ 04,
                                     mes == "Mayo"       ~ 05,
                                     mes == "Junio"      ~ 06,
                                     mes == "Julio"      ~ 07,
                                     mes == "Agosto"     ~ 08,
                                     mes == "Septiembre" ~ 09,
                                     mes == "Octubre"    ~ 10,
                                     mes == "Noviembre"  ~ 11,
                                     mes == "Diciembre"  ~ 12 ),
                    fecha = as.Date (paste( anio, "-", mes, "-01", sep=""))) %>%
            select(fecha, Sexo, total)

head(tiempo)

```

> Gráfica de líneas

```{r}

## Básica con el geom_line
ggplot(tiempo, aes(x=fecha, y=total, fill=Sexo),  colour = "black") +
  geom_line()


# Por recuadro a agregar + facet_grid()
ggplot(tiempo, aes(x=fecha, y=total, fill=Sexo),  colour = "black") +
geom_line() + facet_grid(rows = vars(Sexo))


```

> Spagguetti

```{r}
# Código auxiiar para resaltar
# spaguetti <-  tiempo %>%   mutate( highlight=ifelse(Sexo=="Mujer", "Mujer", ifelse( Sexo== "Hombre", "Hombre", "Otro"))) %>%arrange(highlight, fecha)


ggplot(tiempo, aes(x=fecha, y=total, fill=Sexo,group= Sexo, 
                      color=Sexo, size=Sexo)) +
  geom_line() +
scale_color_manual(values = c("lightgrey","#69b3a2","lightgrey")) +
  scale_size_manual(values=c(0.8,0.8,0.8)) +
  theme(legend.position="none") +
  ggtitle("Víctimas de delitos")


```

> Áreas

```{r}
### Areas

ggplot(tiempo, aes(x = fecha, y = total, group = Sexo)) +
  geom_area(aes(fill = Sexo), position = "stack") +
  labs(title = "Víctimas por sexo", x = "", y = "Conteo",
       subtitle = "Para comenzar") +
  scale_y_continuous()
```

> Dona

```{r}
dona <- sesnsp_vic %>% filter (Clave_Ent ==22)  %>% 
                  select(Rango.de.edad,anio, total) %>% 
                    group_by( Rango.de.edad)%>%
                    summarise( total = sum(total, na.rm=T) ) %>%
          mutate( porc = total / sum(total),
                  acum = cumsum(porc),
                  ymin = c(0, head(acum, n=-1)))
  
# Se hace la gráfica
ggplot(dona, aes(ymax=acum, ymin=ymin, xmax=4, xmin=3, fill=Rango.de.edad)) +
  geom_rect() +
  coord_polar(theta="y") + # Try to remove that to understand how the chart is built initially
  xlim(c(2, 4)) # Try to remove that to see how to make a pie chart

```