# SEMINÁŘ VÝZKUM KONFLIKTU I

# Tohle je komentář - R jej nebere jako executible code, slouží pro přehlednost kódu - používejte jej co nejčastěji

# -----------------------------------------------------------------------------
# ČÁST 1: PROSTŘEDÍ R STUDIA --------------------------------------------------
# -----------------------------------------------------------------------------

# V tomto okně se nachází R script
# Hned pod ním je R console, kde dochází k vykonání instrukcí napsaných ve scriptu
# Vpravo nahoře je prostředí R, kde přehledně uvidíte všechny objekty (datasety, proměnné apod.)
# Vlevo dole vám R bude vykreslovat grafy, obrázky, zobrazovat nápovědu apod. 
# Nápověda je skvělá funkce, stačí napsat otazník a název funkce, vyzkoušejte si to. Zmáčněte ctrl a enter:

?getwd
?setwd

#Super! Právě jste vyvolali svou první funkci - nápovědu k zobrazení working directory a nastavení working directory.

# Kromě komentářů a odsazování funkcí dosti pomáha i správné umístění projektu Rka a R scriptu - doporučuji do složky na plochu.
# Čím kratší je cesta k nahrávání datasetů, tím méně prostoru pro chybu Rku dáváte. Opět ctrl+enter:


My_wd_old <- getwd() #Tohle je vaše working directory, můžete si ji uložit jako objekt (zobrazí se vpravo nahoře)
My_wd_old # Můžete si ji kdykoliv vyvolat

# Dobrou praxí je si starou WD uložit, abyste se do ní pak mohli jednoduše vrátit (viz níže)

# Dobrá praxe je dobré pojmenovávání objektů!!

# Pokud budete nahrávat datasety (nejčastěji xls, csv), pak je nutné, aby R vědělo, kde je najít = musí být ve working directory.
# Proto je dobré mít vše v jedné složce - projekt, R script a dataset
# Mrkněte se, co máte ve své working directory:

list.files() 

# Potřebujete WD změnit? Není problém:
?setwd
setwd("C:/Users/honza/Desktop/VK_R/")
My_wd_new <- getwd() # Uložím si i novou WD jako objekt
identical(My_wd_new, My_wd_old) # Zkontroluji si, že stará WD a nová WD nejsou identické

# Nyní mohu pracovat v nové WD a když se budu potřebovat vrátit do té staré, stačí vyvolat následující funkci:
setwd(My_wd_old)
getwd()

# U složitějších projektů si takto lze vytvořit systém přecházení ze složky do složky. Věnujte ale dostatek času tomu, aby byl kód a celý systém přehledný!

# Zbytek základů vás naučí SWIRL, což je package Rka, který vás přímo v jeho prostředí bude učit.

# -----------------------------------------------------------------------------
# ČÁST II: SWIRL --------------------------------------------------------------
# -----------------------------------------------------------------------------

# Máte zaprasenou konzoli níže spoustou nepřehledného kódu z předchozích vyvolání funkcí a vadí vám to? 
# Zmáčkněte ctrl+L
# Uklizeno :)

# Dobré je si i uklízet prostředí, ale bacha ať nesmažete nějaký důležitý objekt!
# Buď použijte smetáček - smaže ale všechno, nebo funkci rm():

žiju_abych_zemřel <- print("Žiju, abych zemřel") # Nejdřív musíme vytvořit něco, co půjde bez následků zničit.
rm(žiju_abych_zemřel) # Puf! A je to pryč. :)

# Další usnadňovače Rka:
# (1) šipka nahoru na klávesnici - vracení se k vyvolaným funkcím
# (2) zmáčknutí tabu (ale i bez něj) - automatické doplňování kódu
# (3) Průběžná analýza R scriptu - když špatně napíšete kód ve scriptu, ukáže se vám na příslušném řádku křížek:

swirl) # Chybí mi první závorka

# Pokud ještě nemáte SWIRL, pojďme jej nainstalovat
# Stačí podržet ctrl a zmáčknout enter, Rko takto vykoná následující funkci:
library(swirl)
install_course_github("swirldev", "R_Programming_E")
swirl() #Komentář můžete dát i na řádek přímo ke kódu, zde voláme funkci swirl()

# -----------------------------------------------------------------------------
# ČÁST III: POJĎME RKO TROCHU PROVĚTRAT ---------------------------------------
# -----------------------------------------------------------------------------

# TIP: Pište kód bez jakýchkoliv předpokladů (WD, nainstalovaných packages apod.) --> zajistíte dokonalou replikovatelnost

getwd() # Mrkneme, jakou máme WD
list.files() # Podíváme se, jestli je v ní dataset, který chceme importovat
my_data <- readRDS("GEDEvent_v23_1.rds") # Importujeme dataset a uložíme do objektu my_data
# POZOR! Správně se však jedná o dataFRAME (obsahuje více typů proměnných), ne dataSET (obsahuje pouze jeden typ proměnné)


# ODBOČKA: IMPORT CSV A XLS SOUBORŮ ----------------------------------
# Dataset je v Rkovém formátu .rds, ale častěji se setkáme s formáty .csv a .xls, proto:

# Importing CSV souboru je jednoduchý a stačí na něj base function:
my_data_csv <- read.csv("path_to_your_file.csv")

# U .xls je to trochu složitější, musíme nainstalovat package:
# Install readxl package
install.packages("readxl")
# Install openxlsx package
install.packages("openxlsx")
# Load the readxl package
library(readxl)
# Import an Excel file
my_data_excel <- read_excel("path_to_your_file.xlsx")

# PROZKOUMÁNÍ DATASETU ------------------------------------------


# Zpět k datasetu:
# Jedná se o dataset UCDP, zde je jeho popis:
# This dataset is UCDP's most disaggregated dataset, covering individual events of organized violence (phenomena of lethal violence occurring at a given time and place). 
# These events are sufficiently fine-grained to be geo-coded down to the level of individual villages, with temporal durations disaggregated to single, individual days.

# Pojďme dataset prozkoumat, abychom věděli, s čím máme co dočinění.
# (1) prvním způsobem je a něj kliknout v prostředí vrpavo nahoře - otevře se záložka a my si jej můžeme prohlédnout jako v Excelu
# (2) Prozkoumání pomocí funkcí:

str(my_data) # View the structure of the dataset - důležité - ukazuje typy proměnných (zde num/chr)
summary(my_data) # Get a summary of the dataset - jednoduché deskriptivní statistiky
head(my_data) # View the first few rows of the dataset - dataset je obří, je dobré se podívat na pár prvních řádků
tail(my_data) # Nebo na pár posledních
names(my_data) # List the names of the variables (columns) in the dataset
dim(my_data) # Get the dimensions of the dataset (number of rows and columns)
sum(is.na(my_data)) # Check for missing values- všimněte si, že se jedná o funkci ve funkci
summary(my_data$VariableName) # View a specific variable (column) summary - zde používán SUBSETTIN za pomocí operátoru $


# DESKRIPTIVNÍ STATISTIKA  ----------------------------------
# Časový záběr datasetu
summary(my_data$date_start)

# Počet mrtvých
summary(my_data$deaths_a)
sum_deaths_a <- sum(my_data$deaths_a)
summary(my_data$deaths_b)
sum_deaths_b <- sum(my_data$deaths_b)
summary(my_data$deaths_civilians)
sum_deaths_c <- sum(my_data$deaths_civilians)
total_deaths <- sum_deaths_a + sum_deaths_b + sum_deaths_c
total_deaths

# Korelace
correlation_coefficient <- cor.test(my_data$deaths_a, my_data$deaths_b, method = "pearson")
correlation_coefficient

correlation_matrix <- cor(my_data, use = "complete.obs", method = "pearson") # Můžu zkorelovat celý data frame -> ale často vede k erroru (kvůli rozdílným typům proměnných)
# Proto musím vybrat specifické proměnné: 
# Selecting specific variables from the dataframe
selected_variables <- my_data[c("deaths_a", "deaths_b", "deaths_civilians")]
correlation_matrix <- cor(selected_variables, use = "complete.obs", method = "pearson")


# Následuje vizualizace - zde by to ale bylo složité kvůli velkému počtu proměnných a pozorování (elementů), proto půjdeme na jiný dataframe:

# VIZUALIZACE  ----------------------------------
rm(list = ls()) # Buď použijte koště, nebo tuto funkci k vyčištění prostředí

# Install readxl package
install.packages("readxl")
# Load the readxl package
library(readxl)

# Import an Excel file
getwd()
list.files()
my_data_excel <- read_excel("ProjectMarsV1.1.xls")

# Popis datasetu:
# Jedná se o dataset Project Mars
# PROMĚNNÉ: 
# id: Numeric, unique identifier for each entry.
# warcode: Numeric, code representing a specific war.
# campcode: Numeric, code representing a specific campaign within a war.
# ccode: Numeric, country code.
# warname: Text, name of the war.
# state: Text, abbreviation of state names involved in the war.
# statename: Text, full name of the states involved.
# yrstart: Numeric, year when the war/campaign started.
# yrend: Numeric, year when the war/campaign ended.
# startdate: Text, exact start date of the war/campaign.

# Independent Variables: These include the Military Inequality Coefficient with subcategories like Ethnic Groups, Prewar Regime Treatment, and Ranges.
# Dependent Variable: Battlefield Performance, measured through variables like Loss-Exchange Ratio, Mass Desertion, Mass Defection, and Blocking Detachments

# Vizualizace - počet válek v jednotlivých letech ----------------------------------
# Load necessary library
library(ggplot2)

# Count the number of observations per year
wars_per_year <- table(my_data_excel$yrstart)

# Convert the table to a dataframe for plotting
wars_per_year_df <- as.data.frame(wars_per_year)

# Rename the columns appropriately
names(wars_per_year_df) <- c("Year", "Number_of_Wars")

#1 Create the bar graph --> ALE ŠPATNĚ ČITELNÝ GRAF
ggplot(wars_per_year_df, aes(x=Year, y=Number_of_Wars)) + 
  geom_bar(stat="identity") +
  theme_minimal() +
  labs(title="Number of Wars per Year", x="Year", y="Number of Wars") +
  theme(axis.text.x = element_text(angle=90, hjust=1)) # Rotate x-axis labels for better readability

#2 Create the bar graph with modified x-axis --> ERROR
ggplot(wars_per_year_df, aes(x=Year, y=Number_of_Wars)) + 
  geom_bar(stat="identity") +
  theme_minimal() +
  labs(title="Number of Wars per Year", x="Year", y="Number of Wars") +
  scale_x_continuous(breaks=seq(min(wars_per_year_df$Year), max(wars_per_year_df$Year), by=50)) + # Adjust this line for 50th year
  theme(axis.text.x = element_text(angle=90, hjust=1)) # Rotate x-axis labels for better readability


#3 Ensure yrstart is treated as numeric - fixing the no.2 ERROR
df$yrstart <- as.numeric(as.character(my_data_excel$yrstart))

# Count the number of observations per year
wars_per_year <- table(df$yrstart)

# Convert the table to a dataframe for plotting
wars_per_year_df <- as.data.frame(wars_per_year)

# Rename the columns appropriately
names(wars_per_year_df) <- c("Year", "Number_of_Wars")
wars_per_year_df$Year <- as.numeric(as.character(wars_per_year_df$Year))

# Create the bar graph with modified x-axis
ggplot(wars_per_year_df, aes(x=Year, y=Number_of_Wars)) + 
  geom_bar(stat="identity") +
  theme_minimal() +
  labs(title="Number of Wars per Year", x="Year", y="Number of Wars") +
  scale_x_continuous(breaks=seq(min(wars_per_year_df$Year), max(wars_per_year_df$Year), by=50)) + # Adjust this line for 50th year
  theme(axis.text.x = element_text(angle=90, hjust=1)) # Rotate x-axis labels for better readability

# Měly full volunteer forces méně padlých než ostatní armády? T-test  ----------------------------------
# Load necessary libraries
library(ggplot2)
library(dplyr)

# Convert factors to numeric if necessary
my_data_excel$fullvolunteer <- as.numeric(as.character(my_data_excel$fullvolunteer))
my_data_excel$kialow <- as.numeric(as.character(my_data_excel$kialow))

# Perform the t-test
t_test_result <- t.test(kialow ~ fullvolunteer, data = my_data_excel, na.rm = TRUE)

# Print the t-test result
print(t_test_result)

# Jaká je věcná interpretace? --> PROBLEMATICKÁ!!

# Ukázka regrese ----------------------------------------------------------
# Load necessary library for linear modeling
library(lmtest)

# Ensure kialow and MIC mean variables are numeric
my_data_excel$kialow <- as.numeric(as.character(my_data_excel$kialow))
my_data_excel$mic_mean <- as.numeric(as.character(my_data_excel$mic_mean))

# Linear regression of kialow on MIC mean
model <- lm(kialow ~ mic_mean, data = my_data_excel)

# Summary of the regression model
summary(model)

# Visualization of the regression
library(ggplot2)

ggplot(my_data_excel, aes(x = mic_mean, y = kialow)) +
  geom_point() +
  geom_smooth(method = "lm", col = "blue") +
  labs(title = "Relationship between MIC Mean and KIA Low Estimates",
       x = "MIC Mean",
       y = "KIA Low Estimates") +
  theme_minimal()

# Pojďme se podívat na replication file (R script přímo k Projektu Mars)


# Rko dokáže tvořit i mapy -------------------------------------------------
# install.packages(c("tmap", "sf", "rnaturalearth", "rnaturalearthdata"))

library(tmap)
library(sf)
library(rnaturalearth)

# Load world countries data
world <- ne_countries(scale = "medium", returnclass = "sf")

# Simulating data: Assume we have a list of countries that have experienced civil wars
countries_with_civil_war <- c("Colombia", "Syria", "Sudan", "Yemen", "Ukraine", "Australia") # Tohle je samozřejmě blbost, je nutné R kontrolovat!

# Creating a dichotomous variable for civil war experience
world$civilwar <- ifelse(world$name %in% countries_with_civil_war, "Yes", "No")

# Plotting the map with distinct categories
tm_shape(world) +
  tm_polygons("civilwar", palette = c("No" = "#FFCCCC", "Yes" = "#FF6666"), border.col = "black",
              title = "Civil War Experience") +
  tm_layout(legend.title.size = 0.8, frame = FALSE,
            title = "World Map Visualizing States with Civil War Experience",
            legend.text.size = 0.6, legend.position = c("left", "bottom")) +
  tm_legend(text.size = 0.7, title.size = 0.8)