# Übungen zu Episode III


#'                       /^--^\     /^--^\     /^--^\
#'                       \____/     \____/     \____/
#'                      /      \   /      \   /      \
#'                     |        | |        | |        |
#'                      \__  __/   \__  __/   \__  __/
#' |^|^|^|^|^|^|^|^|^|^|^|^\ \^|^|^|^/ /^|^|^|^|^\ \^|^|^|^|^|^|^|^|^|^|^|^|
#' | | | | | | | | | | | | |\ \| | |/ /| | | | | |\ \| | | | | | | | | | | |
#' | | | | | | | | | | | | |/ /| | |\ \| | | | | |/ /| | | | | | | | | | | |
#' | | | | | | | | | | | | |\/ | | | \/| | | | | |\/ | | | | | | | | | | | |
#' #########################################################################
#' | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
#' | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |


###########################
# Lücken-Skript
# Füllen Sie die Kommentare und beschreiben Sie, was die jeweilige Operation macht.
###########################

# ??
library(tidyverse)
setwd('~/wegweisR')
dwd_gebietsmittel_lufttemperatur_datei <- 'regional_averages_tm_year.txt'
dwd_gebietsmittel_lufttemperatur <- read_delim(dwd_gebietsmittel_lufttemperatur_datei, 
                                               delim = ';',
                                               skip = 1,
                                               trim_ws = TRUE)


# ??
dwd_gebietsmittel_lufttemperatur_long <-
  dwd_gebietsmittel_lufttemperatur %>% 
  select(-Jahr_1, -X20) %>% 
  pivot_longer(cols = -Jahr,
               names_to = 'Bundesland',
               values_to = 'Temperatur')


# ??
dwd_gebietsmittel_lufttemperatur_long %>% 
  filter(Bundesland == 'Deutschland') %>% 
  ggplot(aes(x = Jahr,
             y = Temperatur)) +
  geom_line() +
  scale_x_continuous(name = 'Jahr',
                   n.breaks = 30) +
  scale_y_continuous(name = 'Jahresmittel [Grad Celsius]',
                     breaks = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12),
                     limits = c(0, 12)) +
  ggtitle(label = 'Lufttemperatur in Deutschland',
          subtitle = 'Daten vom Deutschen Wetterdienst') +
  theme(axis.text.x = element_text(angle = 45,
                                   hjust = 1))


# ??
dwd_gebietsmittel_lufttemperatur_long %>% 
  filter(Bundesland != 'Deutschland') %>% 
  ggplot(aes(x = Jahr,
             y = Temperatur)) +
  geom_line() +
  scale_x_continuous(name = 'Jahr',
                     n.breaks = 10) +
  scale_y_continuous(name = 'Jahresmittel [Grad Celsius]',
                     breaks = c(0, 5, 10),
                     limits = c(0, 12)) +
  ggtitle(label = 'Lufttemperatur in Deutschland',
          subtitle = 'Daten vom Deutschen Wetterdienst') +
  theme(axis.text.x = element_text(angle = 45,
                                   hjust = 1)) +
  facet_wrap(vars(Bundesland))





###########################
# Code-Verständnis 2.0
# Der folgende Code enthält noch nicht gelernte Elemente.
# Können Sie trotzdem beschreiben, was hier passiert?
###########################

# ??
covid19_confirmedcases_datei <- 'time_series_covid19_confirmed_global_2020-04-16.csv'
covid19_confirmedcases <- read_csv(covid19_confirmedcases_datei)


# ??
str(covid19_confirmedcases)
covid19_confirmedcases


# ??
covid19_confirmedcases %>% 
  filter(`Country/Region` == 'Germany')


# ??
covid19_confirmedcases %>% 
  filter(`Country/Region` == 'Germany') %>% 
  select(`Country/Region`, `4/13/20`, `4/14/20`, `4/15/20`)


# ??
covid19_confirmedcases_long <-
  covid19_confirmedcases %>% 
  select(-`Province/State`, -Lat, -Long) %>% 
  pivot_longer(-`Country/Region`,
               names_to = 'Date',
               values_to = 'Cases')
covid19_confirmedcases_long


# ??
covid19_confirmedcases_long %>% 
  summarise(anzahl_laender = n_distinct(`Country/Region`))


# ??
covid19_confirmedcases_long %>% 
  mutate(Date = as.Date(Date,
                        format = '%m/%d/%y'))


# ??
covid19_confirmedcases_long %>% 
  filter(`Country/Region` == 'Germany') %>% 
  mutate(Date = as.Date(Date,
                        format = '%m/%d/%y')) %>% 
  ggplot(aes(x = Date,
             y = Cases)) +
  geom_line()



# ??
covid19_confirmedcases_long %>% 
  filter(`Country/Region` %in% c('Germany', 'Austria', 'Switzerland', 'Italy', 'US')) %>% 
  mutate(Date = as.Date(Date,
                        format = '%m/%d/%y')) %>% 
  ggplot(aes(x = Date,
             y = Cases,
             color = `Country/Region`)) +
  geom_line()



###########################
# Code-Anpassungen
# Kopieren Sie sich den Code so zusammen, dass er den Anforderungen gerecht wird.
###########################

# Nutzen Sie die letzte Visualisierung als Ausgangspunkt:
# Nutzen Sie gghighlight und heben Sie Deutschland hervor.



# Teilen Sie die Grafik (ohne gghighlight) mit facet_wrap in die Länder auf.



# Beschriften Sie die Achsen korrekt.



# Ergänzen Sie die Visualisierung um Großbritannien.