# potrzebne biblioteki
library(tidyverse)
library(lubridate)

# nazwy miesiecy po polsku
Sys.setlocale("LC_TIME", 'pl_PL.UTF-8')


# wczytujemy dane
articles <- read.csv("data.csv", stringsAsFactors = F, encoding = "UTF-8")

# pozostawiamy jedynie trzy pierwsze kolumny, zmieniamy im nazwy
articles <- articles %>% subset(select=(1:3))
names(articles) <- c("page", "date", "views")

# poprawiamy typy wczytanych kolumn
articles$date <- ymd( articles$date) 
articles$views <- iconv(articles$views, "latin1", "ASCII", sub="")
articles$views <- as.integer(articles$views)

# czyszczenie danych - usuwamy niepotrzebna koncowke tytulu
articles$page <- str_replace(articles$page, " – Informatyk Zakładowy$","")

# czyszczenie danych - usuwamy odslony strony glownej
articles <- articles %>% filter(page != "Informatyk Zakładowy -")

# sumowanie artykulow wg strony i daty (po poprawkach moglismy miec zdublowane wiersze)
articles <- articles %>%
  group_by(page, date) %>% 
  summarise(views=sum(views)) %>%
  mutate(sumviews=sum(views)) %>% 
  arrange(desc(views)) %>%
  ungroup()



# tutaj mamy juz dane potrzebne do zrobienia wykresu,

articles %>% 
  filter(page == "Więcej, niż chcieliście wiedzieć o QR-kodach") %>%
  ggplot(aes(x=date, y=views)) + 
  geom_line()


articles %>% 
  filter(page == "Więcej, niż chcieliście wiedzieć o QR-kodach") %>%
  ggplot(aes(x=date, y=views)) + 
  geom_line() + 
  scale_y_log10(minor_breaks = rep (1:9, each=5) * c(1,10,100,1000,10000) ) +
  theme_bw()


# dodajemy kolumne z liczba odslon, posluzy jako naglowek wykresow
articles$pageTitle <- paste0( articles$page, "  (", articles$sumviews," odsłon)")

# pomocnicza kategoria ktora zapewni porzadek wykresow wg liczby odslon
topArticles <- as_factor(articles %>% arrange(desc(sumviews)) %>% pull(pageTitle) %>% unique()%>%  head(n=6)) 

# skala kolorow
colorscale <- c(
  rep("green",10), # 1-10
  rep("orange",90), # 10-100
  rep("red", 900), # 100-1000
  rep("blue",9000), # 1000-10000
  rep("black",20500) # 10000+
)

# pomocnicze kolumny i wektory z danymi do kolorowania
articles$color <- colorscale[articles$views]
colorVector <- as.character(articles$color)
names(colorVector) <- as.character(articles$color)
articles <- articles %>% mutate( fac = ordered(pageTitle, levels = topArticles) )

# tutaj sporzadzamy wykres
articles %>% filter(pageTitle %in% (topArticles) ) %>%
  ggplot(aes(x=date, y=views,color=color)) +
  scale_color_manual(values=colorVector) +
  scale_y_log10(minor_breaks = rep (1:9, each=5) * c(1,10,100,1000,10000) ) +
  scale_x_date(date_breaks = "months", date_minor_breaks = "weeks", date_labels = "%B", limits = c(ymd("20200301"), ymd("20201231")) ) +
  theme_minimal() +
  theme(panel.grid.minor.y = element_line(color="#f1f1f1"))+  
  theme(panel.grid.minor.x = element_line(color="#dddddd", linetype = "dotted"))+
  theme(axis.text.x = element_text(hjust = 0)) +
  geom_point(show.legend = FALSE) +
  ylab("dzienna liczba odsłon (skala logarytmiczna)")+
  xlab(NULL)+
  ggtitle("TOP6 najpopularniejszych tekstów Informatyka Zakładowego", "w roku 2020, według danych z Google Analytics")+
  facet_wrap(~fac, ncol=1)

#zapisujemy obrazek do pliku PNG
ggsave("obrazek.png", width=8, height=8, dpi=150)