## Výpočty
(-2 + 3.5) / 2   # jednoduché výpočty, pozor: čísla s desetinnými tečkami
sqrt(9)          # odmocnina

## Vektory a faktorové proměnné
kostka <- c(4, 1, 1, 5, 3)    # Vektor několika hodů kostkou
print(kostka)                 # vypsání obsahu proměnné

spokojenostObed <- c(TRUE, TRUE, FALSE, TRUE)     # logické hodnoty
pohlavi <- c("muž", "muž", "žena", "muž", "žena") # řetězce
pohlavi2 <- factor(pohlavi)   # převod na faktorovou proměnnou
# řadová proměnná
vzdelani <- factor(c("VŠ", "SŠ", "ZŠ", "SŠ", "VŠ", "VŠ"), ordered = TRUE, levels = c("ZŠ", "SŠ", "VŠ"))

class(pohlavi)  # zjištění typu proměnné
class(pohlavi2)
class(vzdelani)

## Základní výpočty
teploty <- c(3.2, 4.8, 0.2, -1.5)
length(teploty)   # počet hodnot ve vektoru
sum(teploty)      # součet hodnot
mean(teploty)     # průměrná hodnota
sum(teploty)/length(teploty)  # je ten průměr správně? zdá se, že ano
median(teploty)   # medián
sd(teploty)       # výběrová směrodatná odchylka
var(teploty)      # výběrový rozptyl

?mean   # nápověda k funkci
?':'    # nápověda k operátoru
?'for'  # nápověda k příkazu

table(vzdelani)   # souhrnný počet zastoupení jednotlivých kategorií
barplot(table(vzdelani))  # sloupcový graf souhrnu - "histogram" pro faktorové proměnné


## Generování hodnot podle pravidel, hody kostkou apod.
2:8   # vektor čísel s rozsahem hodnot 2 až 8 (krok +1)
8:2   # vektor čísel s rozsahem hodnot 8 až 2 (krok -1)

seq(2, 8)  # stejné, jako 2:8
seq(8, 2)  # stejné, jako 8:2
seq(2, 8, by = 0.5)  # specifikace kroku
seq(2, 8, length.out = 6)  # specifikace počtu čísel, krok se vypočte automaticky

seq(from = 1, to = 5) # výslovné určení názvu argumentů
seq(to = 5, from = 1) # to samé

sample(1:6, size = 20, replace = TRUE)     # náhodné hody kostkou
sample(c(0, 1), size = 20, replace = TRUE) # náhodné hody mincí (např. 0 = rub, 1 = líc)
sample(c(0, 1), size = 20, replace = TRUE, prob = c(0.2, 0.8)) # nevyvážená mince

normalniMince <- sample(c(0, 1), size = 10000, replace = TRUE) # hodně hodů
mean(normalniMince)   # průměrná hodnota by měla být okolo 0.5

nevyvazenaMince <- sample(c(0, 1), size = 10000, replace = TRUE, prob = c(0.2, 0.8)) # hodně hodů
mean(nevyvazenaMince)   # průměrná hodnota by měla být okolo 0.8

sample(c("muž", "žena"), size = 20, replace = TRUE) # náhodné generování muž a žena
sample(factor(c("muž", "žena")), size = 20, replace = TRUE) # to samé, ale jako faktorová proměnná
sample(factor(c("muž", "žena")), size = 20, replace = TRUE, prob = c(0.1, 0.9)) # snaha o modelování stavu na FF

runif(n = 20, min = 1, max = 2)  # 20 čísel rovnoměrného rozdělení mezi 1 až 2 (včetně)
rnorm(n = 10)  # 10 čísel standardního normálního rozdělení (střední hodnota = 0, směrodatná odchylka = 1)
rnorm(n = 10, mean = 30, sd = 0.5)  # 10 čísel normálního rozdělení

set.seed(1)  # nastavení "pevného počátku" náhodného generátoru - vhodné pro reprodukovatelné výsledky do publikace
rnorm(n = 5)
set.seed(1)
rnorm(n = 5)  # přestože jsou čísla "náhodná", jsou stejná, jako v předchozím případě (číslům říkáme pseudonáhodná)


## Histogramy, krabicové grafy, kvantily
normalni <- rnorm(1000)  # 1000 náhodných čísel se standardním normálním rozdělením

hist(normalni)                 # histogram
hist(normalni, breaks = 50)    # počet hranic - je to jen doporučená hodnota, často si to udělá stejně po svém
hist(normalni, freq = FALSE)   # normování na relativní četnosti (obdoba hustoty pravděpodobnosti - plocha je 1)

boxplot(normalni)    # krabicový graf

quantile(normalni, probs = c(0.25, 0.5, 0.75))  # kvantily dle přání: dolní kvartil, medián, horní kvartil
median(normalni)    # pro kontrolu medián
quantile(normalni, probs = c(0.1, 0.9))  # rozpětí 10 % až 90 %, nebo-li interval 80 % hodnot

# histogram pro faktorové proměnné
kostka <- sample(1:6, size = 200, replace = TRUE)
barplot(table(kostka))
barplot(table(kostka), xlab = "číslo", ylab = "četnost", main = "Hody kostkou") # včetně popisků



## Chybějící hodnoty
NA značí chybějící hodnotu (měření se neprovedlo, nezdařilo, hodnota chybí)

mean(c(1, 2, NA, 3))   # výstup NA
mean(c(1, 2, NA, 3), na.rm = TRUE)  # výstup 6 / 3 = 2  (správně)

mean(c(1, 2, 0, 3))    # výstup 6 / 4 = 1.5 (špatně, pokud někdo myslel, že NA je 0)



## Výběr části vektoru, výběr na základě podmínky
ranniTep <- c(65, 58, 72, NA, 66, 65, NA, 70)  # NA je uvedeno u dnů, kdy se subjekt zapomněl změřit

ranniTep[1:3]  # první tři hodnoty
mean(ranniTep[1:3])

which(ranniTep >= 70)  # indexy hodnot splňujících podmínku
ranniTep[which(ranniTep >= 70)]   # hodnoty splňující podmínku

K dispozici máme pro tyto podmínky následující operátory:
  menší <, větší >, menší nebo rovno <=, větší nebo rovno >=, je rovno ==, není rovno !=
  a zároveň &, nebo |

ranniTep[which(ranniTep >= 70 | ranniTep < 60)]   # vypíše hodnoty, které jsou větší nebo rovno 70, nebo menší než 60
ranniTep[which(ranniTep > 60 & ranniTep < 70)]  # hodnoty vyšší než 60 a zároveň nižší než 70



## Tabulky - data.frame, vytváření, načítání a ukládání do souborů

# Načtení obyčejného textového souboru, první řádek je hlavička tabulky (názvy sloupců)
# hodnoty jsou odděleny mezerou - např. import tabulky z Praatu
data <- read.table("soubor.txt", header = TRUE, sep = " ")

data <- read.table("soubor.txt", header = TRUE, sep = " ", dec = ",")

# Načtení dat z Excelu
library(readxl)  # pokud není knihovna nainstalována, tak nejdříve zavolat: install.packages("readxl")
               # prvotní instalace vyžaduje internet
read_excel("soubor.xlsx", sheet = 1, col_names = TRUE) # tabulka s hlavičkou
# lze i specifikovat přeskočení několika prvních řádků (parametr skip)


# Vytvoření vlastního data.frame - slepením jednotlivých vektorů.
mojeData <- data.frame(cisloID = 1:5, druhySloupec = c("muž", "žena", "muž", "muž", "žena"))

# Uložení data.frame do souboru
# Jednoduchý textový formát
write.table(mojeData, "souborVystup.txt", sep = " ", row.names = FALSE)  # jako oddělovač volím mezeru

# Excel - co si budeme povídat, pro většinu lidí je to pořád ten nejdostupnější formát.
library(openxlsx)     # pokud není knihovna nainstalována, tak nejdříve zavolat: install.packages("openxlsx")
write.xlsx(mojeData, "souborVystup.xlsx", sheetName = "První záložka", row.names = FALSE)


# Základní operace s data.frame
data <- InsectSprays
head(data)     # prvních 6 řádků data.frame
tail(data)     # posledních 6 řádků
summary(data)  # souhrnné statistiky pro každý sloupec (u numerických kvantily, u faktorových počty)
str(data)      # počet řádků, typy sloupců a ukázka prvních řádků
nrow(data)     # počet řádků
dim(data)      # počet řádků a sloupců
names(data)    # zjistit názvy sloupců

names(data) <- c("count", "spray") # názvy sloupců si můžeme pojmenovat podle sebe
                                   # - užitečné, když tabulka nemá hlavičku

data$count    # odkaz na sloupec (vektor) dle názvu
data$spray    # napovídání: stačí napsat data$ a stisknout TAB

mean(data$count)   # výpočty se sloupcem

data[, 1]     # odkaz na sloupec podle indexu: všechny řádky, 1. sloupec
              # Pokud to však jde, je přehlednější odkazovat názvem.
data[1:5, ]   # výřez - prvních pět řádků, všechny sloupce
data[1:5, 1]  # prvních pět řádků, 1. sloupec
data$count[1:5] # totéž, ale přehledněji: prvních 5 hodnot sloupce count

hist(data$count) # histogram celého sloupce count

# histogram hodnot count jen pro část dat, kde spray je A
hist(subset(data, spray == "A")$count)

# krabicový graf count rozdělený na skupiny dle faktoru spray
boxplot(count ~ spray, data = data)

# a hezké popisky
boxplot(count ~ spray, data = data, xlab = "Typ postřiku", ylab = "Počet hmyzu",
        main = "Srovnání postřiků", col = "lightblue")

# Délka zubů (len) ve skupinách podle proměnných (supp, dose) v data.frame (ToothGrowth)
boxplot(len ~ supp*dose, ToothGrowth)