##############
#R Skript für den Blogbeitrag:
#Der wachsende Graben der G20
#Kontakt: basil.schlaepfer at uzh.ch
##############

rm(list=ls(all=TRUE))

#Weltbankdaten laden: file==wdi.csv 
#(damit die Grafiken auch bei einer Aktualisierung der Weltbnk 
#daten stimmen, werden die verwendeten Daten abgeben und nicht der API-Zugang dargestellt. Weltbankd#aten könen sich ändern, wenn zum Beispiel die Angaben zu konstanten Dollar in einem neuen Jahr #fixiert werden.)

options(stringsAsFactors = FALSE)
daten <- read.csv(file.choose(), sep=',')
#Drop Argentina
daten <- daten[daten$country!='Argentina',]

############
#Plotly API#
############
#library("devtools")
#install_github("plotly", "ropensci")
library("plotly")
py <- plotly("RgraphingAPI", "ektgzomjbx")


#####################################################
#1. Grafik unterschied Industrie und Schwellenländer#
#####################################################

#Datenaufbereitung
mat <- matrix(NA,24,3)
r <- 0
rich <- c(rep(NA,24))
for (i in unique(daten$year)){
  
  r <- r+1
  temp <- subset(daten, year==i)
  temp$dummy <- temp$differenzpp
  temp$dummy[temp$country=="Korea, Rep." ] <- -100
  temp <- temp[which(temp$country!="Switzerland" ),] 
  temp2 <- subset(temp, dummy>0)
  durchreich <- mean(temp2$differenzpp)
  rich[r]  <- mean(temp2$NY.GDP.PCAP.PP.KD)
  temp3 <- subset(temp, dummy<0)
  durcharm <-  mean(temp3$differenzpp)
  
  mat[r,1] <- i
  mat[r,2] <- durchreich
  mat[r,3] <- durcharm
  
  
}

plotmat <- data.frame(mat[c(1:23),])
matrich <- mat[c(1:23),c(1:2)]
matpoor <- mat[c(1:23),c(1,3)]
mat2 <- rbind(matrich, matpoor)
namen <- c(rep("Industrienationen (G20)", 23),rep("Schwellenländer (G20, ohne Argentinien)",23))
mat3 <- data.frame(mat2)
mat3$gruppe <- namen

#Plot erstellen

p <- plotly(username="username", key="key")

trace0 <- list(
  x =  c(mat3$X1[mat3$gruppe=="Industrienationen (G20)"]),
  y = c(mat3$X2[mat3$gruppe=="Industrienationen (G20)"])
)
trace1 <- list(
  x = c(mat3$X1[mat3$gruppe=="Schwellenländer (G20, ohne Argentinien)"]),
  y = c(mat3$X2[mat3$gruppe=="Schwellenländer (G20, ohne Argentinien)"]),
  yaxis = "y2", 
  xaxis = "x2"
)

layout <- list(
  yaxis = list(domain = c(0.60, 1)), 
  yaxis2 = list(domain = c(0, 0.40)), 
  xaxis2=list(anchor="y2"),
  showlegend = TRUE, 
  legend = list(
    yaxis = list(autorange = "reversed"),
    x = 1, 
    y = 1
  )
)

response <- p$plotly(trace0,trace1, kwargs=list(layout=layout, filename="... ", fileopt="overwrite"))

url <- response$url
filename <- response$filename

################
#2. Grafik: GIF#
################
daten$country <- reorder(daten$country, daten$diffpppmean)
daten5 <- subset(daten,daten$country!='Switzerland')

#Schnitt G20
lauf<-unique(unlist(daten5$year))

for (i in lauf){
  daten5$diffpp[daten5$year==i] <- daten5$NY.GDP.PCAP.PP.KD[daten5$year==i]-mean(daten5$NY.GDP.PCAP.PP.KD[daten5$year==i])
}


#Eigentliches GIF
lauf <- sort(lauf, decreasing = FALSE)
setwd()
for(i in 1:length(lauf)){
  
  temp <- subset(daten5,year==lauf[i])
  temp$country2 <- as.character(temp$country)
  temp$country2[temp$country2=='Russian Federation'] <- 'Russia'
  temp$country2[temp$country2=='Korea, Rep.'] <- 'S.Korea'
  temp$country2[temp$country2=='United Kingdom'] <- 'UK'
  temp$country2[temp$country2=='United States'] <- 'USA'
  temp$country2[temp$country2=='South Africa'] <- 'S.Africa'
  temp$country2[temp$country2=='Saudi Arabia'] <- 'S.Arabia'
  temp$country2 <- reorder(temp$country2, temp$diffpppmean)
  
  #Die Titel der einzelnen Frames sollen das Jahr enthalten
  jahr <- lauf[i]
  title <- paste("Differenz zum durchschnittlichen BIP per capita ($)",jahr, sep=" ")
  
  #Eigentlicher plot
  p <-  ggplot(temp, aes(x=country2, y=diffpp)) + geom_bar(color='#004C99', fill='#0066CC')  +
    theme_bw() +
    scale_y_continuous("",limits=c(-28000, 28000)) +
    ggtitle(title) +
    theme(
      plot.title = element_text(face="bold", size=100),
      axis.title.x = element_blank(),
      axis.title.y = element_blank(),
      axis.text.x=element_text(size=80,angle=30),
      axis.text.y=element_text(size=80),
      legend.position="none",
      panel.background = element_blank(),
      text=element_text(size=16, family="Cambria")
    ) 
  p
  
  filename <- sprintf("Pfad festlegen/dat_%s.jpg",i)
  ggsave(file=filename, width=45, height=30, dpi=400)
 
}


##############################################
#3. Grafik: Grafik: Wie viel ist ein 1% wert?#
##############################################
temp <- subset(daten, year==2012 & country!='Switzerland')
temp$wert <- temp$NY.GDP.PCAP.PP.KD*0.01

temp$country2 <- as.character(temp$country)
temp$country2[temp$country2=='Russian Federation'] <- 'Russia'
temp$country2[temp$country2=='Korea, Rep.'] <- 'S.Korea'
temp$country2[temp$country2=='United Kingdom'] <- 'UK'
temp$country2[temp$country2=='United States'] <- 'USA'
temp$country2[temp$country2=='South Africa'] <- 'S.Africa'
temp$country2[temp$country2=='Saudi Arabia'] <- 'S.Arabia'
temp$country2 <- reorder(temp$country2, temp$diffpppmean)

p1 <- ggplot(data=temp, aes(x=country2, y=wert)) + geom_bar(stat='identity') + theme_bw()

py$ggplotly(p1)

######################################################
#4. Grafik: Benötigtes vs. Realsiertes Wachstum China#
######################################################

#Differenz der reichen
daten$meanrich <- NA
for (i in unique(daten$year)){
  daten$bin <- daten$differenzpp
  daten$bin[daten$country=="Korea, Rep." ] <- -100
  daten$bin[daten$country=="Switzerland" ] <- 0
  daten$meanrich[daten$year==i] <- mean(daten$NY.GDP.PCAP.PP.KD[daten$bin>0 & daten$year==i])
}
lagmeanrich <- c(NA,daten$meanrich[1:(length(daten$meanrich)-1)])
daten$lagmeanrich <- lagmeanrich
daten$diffmeanrich <- daten$meanrich-daten$lagmeanrich
bippplag <- c(NA,daten$NY.GDP.PCAP.PP.KD[1:(length(daten$NY.GDP.PCAP.PP.KD)-1)])
daten$bippplag <- bippplag



datenlag <- subset(daten, year!=1990)
datenlag$needrich <- datenlag$diffmeanrich/datenlag$bippplag*100
datenlag$needrich <- round(datenlag$needrich, digits=1)
datenlag$usbipppgr <- round(datenlag$usbipppgr, digits=1)
daten$usbipppgr <- NA
daten$usbipppgr[daten$country=='China'] <- (daten$NY.GDP.PCAP.PP.KD[daten$country=='China'] - daten$bipplag[daten$country=='China'])

temp6 <-subset(datenlag, country=='China')
temp6$color1 <- 'lightblue'
temp6$color2 <- 'red'
plot <- ggplot(data=temp6, aes(year,diffmeanrich)) + geom_bar(stat='identity', color=temp6$color1, fill='lightblue') +
  geom_line(data=temp6,aes(year,usbipppgr), color=temp6$color2)+
  coord_cartesian(xlim = c(1990.5, 2012.5)) +
  theme_bw() +
  scale_y_continuous(name="") +
  ggtitle("China: Benötigtes vs. realisiertes Wachstum") +
  theme(
    axis.title.y = element_text(size=15),
    axis.ticks.x=element_blank(),  
    axis.text.x = element_text(size=15),
    axis.text.y = element_text(size=15),
    axis.title.x=element_blank(),
    plot.title = element_text(face="bold", vjust=2, hjust=-0.09)
  ) 
plot

#Auf Plotly laden:
py$ggplotly(plot)


##############
#5. Grafik: Erwartetes absolutes BIP-Wachstum
##############
library(reshape)

#IMF Daten einlesen, file==weoreptc.csv

imf <- read.csv(file.choose(), sep=';')

imf2 <- melt(imf, id.vars=c("Country", "dummy"),
             measure.vars=c("X2012",   "X2013",   "X2014",   "X2015",   "X2016",   "X2017",  
                            "X2018",   "X2019"))

imf2$year <- as.numeric(as.character(gsub("X","", imf2$variable)))

imf2$dummy[imf2$Country=="China"] <- 0 
imf3 <- subset(imf2, dummy==0)
imf3 <- imf3[with(imf3,order(Country, year)),]
lagvec <- c(NA,imf3$value)
lagvec <- lagvec[1:(length(lagvec)-1)]
imf3$lagvalue <- lagvec
imf3$diff <- imf3$value-imf3$lagvalue
imf4 <- subset(imf3, year!=2012)
imf4$diff <- round(imf4$diff, 0)

plotdata <- subset(imf4, Country!="Switzerland")

#Plot erstellen
py <- plotly("RgraphingAPI", "ektgzomjbx")
graph <- ggplot(data=plotdata) + 
  geom_line(data=plotdata[plotdata$Country=='China',],aes(year,diff), name='China')+
  geom_line(data=plotdata[plotdata$Country=='France',],aes(year,diff), name='France')+
  geom_line(data=plotdata[plotdata$Country=='Italy',],aes(year,diff), name='Italy')+
  geom_line(data=plotdata[plotdata$Country=='Germany',],aes(year,diff), name='Germany')+
  geom_line(data=plotdata[plotdata$Country=='United Kingdom',],aes(year,diff), name='Kingdom')+
  geom_line(data=plotdata[plotdata$Country=='United States',],aes(year,diff), name='United States')+
  geom_line(data=plotdata[plotdata$Country=='Japan',],aes(year,diff), name='Japan')+
  geom_line(data=plotdata[plotdata$Country=='Australia',],aes(year,diff), name='Australia')+
  geom_line(data=plotdata[plotdata$Country=='Saudi Arabia',],aes(year,diff), name='Saudi Arabia')+
  geom_line(data=plotdata[plotdata$Country=='Canada',],aes(year,diff), name='Canada')+
  theme_bw()
graph

py$ggplotly(graph)