lernplattform.Rmd

---
title: "R Lernen: Inhaltsverzeichnis"
author:
output: 
  learnr::tutorial:
    includes:
      after_body: ./www/favicon.html
    language: de
runtime: shiny_prerendered
---

```{r setup, include=FALSE}
## INSTALL PACKAGES
#remotes::install_github("rstudio/learnr")
#remotes::install_github("rstudio/gradethis")
# suppressWarnings(if (!require("pacman")) install.packages("pacman"))
# pacman::p_load(anytime,
#                clisymbols,
#                countdown,
#                flipbookr,
#                ggthemes,
#                gtrendsR,
#                prismatic,
#                servr,
#                tidylog,
#                xaringan,
#                xaringanExtra,
#                xaringanthemer,
#                install = TRUE,
#                update = FALSE)
library(gradethis)
library(learnr)
library(rio)
library(tidyverse)
library(ggbeeswarm)
library(countrycode)
library(httr)
library(purrr)
library(RSQLite)
library(leaflet)

## RMD
knitr::opts_chunk$set(echo = FALSE, message = FALSE, warning = FALSE)

## LEARNR SETUP
gradethis::gradethis_setup(
  pass = "Gut gemacht!",
  fail = "Das ist leider nicht ganz richtig. Probiert es nochmal!",
  code_correct = "Gut gemacht!",
  code_incorrect = "Das ist leider nicht ganz richtig. Probiert es nochmal!",
  maybe_code_feedback = FALSE,
  fail.hint = FALSE,
  grading_problem.message = "Hups. Ist hier Code zur Überprüfung? Wenn ja, dann liegt der Fehler bei uns. Schickt Nina bitte einen Screenshot mit der Übung und Eurer Lösung."
)

tutorial_options(exercise.timelimit = 30)

## DATEN SETUP
### Daten laden
data_raw <- rio::import('https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2021/2021-01-26/plastics.csv')

### Bereinigten Datensatz laden
plastics_processed <- rio::import('https://raw.githubusercontent.com/CorrelAid/lernplattform/main/daten/bffp2019_plastics_processed.csv')

### Community Datensatz laden
community <- rio::import('https://raw.githubusercontent.com/CorrelAid/lernplattform/main/daten/bffp2019_community_by_country.csv')

### Audit Datensatz laden
audit <- rio::import('https://raw.githubusercontent.com/CorrelAid/lernplattform/main/daten/bffp2019_audit_by_country_and_company.csv')

### EU-Asien Audit Plastik Datensatz erstellen
audit_eu_asia <- audit %>%
  dplyr::filter(continent == "Europa" | continent == "Asien") %>%
  dplyr::filter(n_pieces != 0) %>%
  dplyr::group_by(continent, country) %>%
  dplyr::summarise_all(funs(n_distinct(.))) %>%
  dplyr::select(continent, country, "n_types" = plastic_type)

europe <- audit_eu_asia %>%
  dplyr::filter(continent == "Europa")
asia <- audit_eu_asia %>%
  dplyr::filter(continent == "Asien")

### Daten der World Bank mit R-Package ziehen
wb_areas <- WDI::WDI(
  country = "all", # Auswahl der Länder
  indicator = "ER.PTD.TOTL.ZS",  # Spezifikation des Indikators
  start = 2018, # Auswahl Zeithorizont: Anfang
  end = 2018, # Auswahl Zeithorizont: Ende
  language = "en" #Sprachauswahl
) 

wb_processed <- wb_areas %>%
  dplyr::select(countrycode = 'iso2c',
                protected_area = 'ER.PTD.TOTL.ZS')

### Einlesen der Shapefiles
polygons_welt <- sf::st_read(here::here("daten/geospatial/ne_50m_admin_0_countries.shp"))
polygons_deutschland <- sf::st_read(here::here("daten/geospatial/1000_NUTS1.shp"))

### Kartendaten vorbereiten
karten_daten <- community %>%
  # Geometrie anfügen
  dplyr::left_join(polygons_welt, by = c("countrycode" = "ISO_A2")) %>% 
  # Variablen für Singular / Plural Formulierung
  dplyr::mutate(word_n_events = if_else(n_events == 1, "Event", "Events"),
                word_n_volunteers = if_else(n_volunteers == 1, "Freiwillige*r", "Freiwillige"),
                word_n_pieces = if_else(n_pieces == 1, "gesammeltes Plastikstück", "gesammelte Plastikstücke"))

### Initialisierung eines temporären Ordners
tmpfile <- tempfile(fileext = "sqlite") # Identifizierung der SQLite-DB über das Suffix "sqlite"
download.file("https://correlaid.github.io/lernplattform/daten/plastics.sqlite", tmpfile) # Herunterladen der temporären Datei
con <- dbConnect(RSQLite::SQLite(), tmpfile) # Aufbau der Verbindung

### API
basis_url <- "https://unstats.un.org/" # Haupt-URL
initiale_anfrage <- httr::GET( # Initialisierung
  basis_url, # URL verlinken
  path = "/SDGAPI/v1/sdg/Series/Data", # Route definieren
  query = list(
    seriescode = "EN_REF_WASCOL"
  )
)

### Vorläufig Inhalt der Inititalabfrage zur Prüfung speichern
content <- httr::content(initiale_anfrage)

### Einlesen der Seitenanzahl durch das Attribut "totalPages", auf das wir mithilfe von "$" zugreifen
total_pages <- content$totalPages
pages <- c(1:total_pages)

### Inhalt der Response herausziehen
waste_data <- httr::content(initiale_anfrage)

### Für verschiedene Städte in verschiedenen Ländern erhalten wir so zu verschiedenen Jahren Ihre Müllsammlungsquoten
waste_list <- waste_data$data

### Mit dem purrr-Package ziehen wir nun die Daten in einen Dataframe
waste_geo <- waste_list %>%
  purrr::map_df(`[`, c("geoAreaCode", "geoAreaName", "dimensions", "value")) %>%
  filter(dimensions != "G") # Duplikate entfernen, die aus der Datenstruktur resultieren

### Mini-Datensätze für NA's
df <- tibble::tribble(
  ~name,              ~x,  ~y,           ~z,  
  "Person 1",         1,   -99,          6.7, 
  "Person 2",         3,   NA,           -99,
  "Person 3",         NA,  0.76,         -1.6
  )

df2 <- df %>% dplyr::mutate_if(is.numeric, dplyr::na_if, -99)

### Parameter (nur zum Zeigen)
params <- list()
params$heute <- format(Sys.time(), '%d. %B %Y')
params$daten <- "daten/audit.csv"
params$start <- as.Date("2019-01-01")
params$ende <- as.Date("2019-12-31")
params$land <- "Argentina"
params$kontinent <- "Alle Kontinente"
params$filter_plastic <- "hdpe"
params$filter_continent <- "Alle Kontinente"

### Bayes
anteil_a <- 0.54
anteil_b <- 0.55
anteil_pool <- (anteil_a + anteil_b) / 2

n_a <- 5840
n_b <- 5640

z <- (anteil_a - anteil_b)/(sqrt(anteil_pool * (1 - anteil_pool) * ((1/n_a) + (1/n_b))))
``` 

<!-- ## Willkommen -->
```{r results='asis'}
out <- knitr::knit_child("00_intro.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Setup -->
```{r results='asis'}
out <- knitr::knit_child("01_setup.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Datenschutz und Datenethik -->
```{r results='asis'}
out <- knitr::knit_child("02_datenschutz-und-datenethik.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Einführung in RStudio -->
```{r results='asis'}
out <- knitr::knit_child("03_einfuehrung-in-rstudio.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- Daten verstehen mit R -->
```{r results='asis'}
out <- knitr::knit_child("04_daten-verstehen-mit-r.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Datenimport und APIs -->
```{r results='asis'}
out <- knitr::knit_child("05_datenimport.Rmd", quiet = TRUE) 
cat(out, sep = '')
```

<!-- ## Exkurs: APIs-->
```{r results='asis'}
out <- knitr::knit_child("05_1_datenimport-exkurs-api.Rmd", quiet = TRUE) 
cat(out, sep = '')
```

<!-- ## Exkurs: SQL -->
```{r results='asis'}
out <- knitr::knit_child("05_2_datenimport-exkurs-sql.Rmd", quiet = TRUE) 
cat(out, sep = '')
```

<!-- ## Datentransformation -->
```{r results='asis'}
out <- knitr::knit_child("06_datentransformation.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Datenvisualisierung  -->
```{r results='asis'}
out <- knitr::knit_child("07_datenvisualisierung.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Grundlagen der Statistik -->
```{r results='asis'}
out <- knitr::knit_child("08_grundlagen-der-statistik.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Reports in R Markdown -->
```{r results='asis'}
out <- knitr::knit_child("09_reports.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Reportautomatisierung -->
```{r results='asis'}
out <- knitr::knit_child("10_automatisierte-reports.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Interaktive Visualisierungen -->
```{r results='asis'}
out <- knitr::knit_child("11_interaktive-visualisierungen.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Datenprojekte aus der Zivilgesellschaft -->
```{r results='asis'}
out <- knitr::knit_child("12_datenprojekte-fuer-die-zivilgesellschaft.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Abschlussquiz -->
```{r results='asis'}
out <- knitr::knit_child("13_abschlussquiz.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Und jetzt? -->
```{r results='asis'}
out <- knitr::knit_child("14_closing.Rmd", quiet = TRUE)
cat(out, sep = '')
```

<!-- ## Glossar -->
```{r results='asis'}
out <- knitr::knit_child("99_glossar.Rmd", quiet = TRUE)
cat(out, sep = '')
```