# 마스터 데이터를 읽습니다. 
news <- readRDS(file = '../data/naver_baseball_news_2018.RDS')

# 데이터의 구조를 확인합니다. 
str(object = news)

# 나의 테마를 설정합니다. 
mytheme <- theme(
  plot.title = element_text(size = 14, face = 'bold', hjust = 0.5),
  axis.title.x = element_text(color = 'blue', size = 12, face = 'bold'),
  axis.title.y = element_text(color = '#993333', size = 12, face = 'bold'),
  axis.text.x = element_text(family = 'NanumGothic', size = 10, face = 'bold'),
  axis.text.y = element_text(family = 'NanumGothic', size = 10, face = 'bold'),
  axis.ticks.length = unit(0, 'cm'),
  panel.background = element_blank(),
  panel.grid = element_blank() )

# 필요한 패키지를 불러옵니다. 
library(tidyverse)
library(magrittr)
library(knitr)

# 데이터프레임의 변수를 설정하면 해당 변수에 속한 값으로 막대그래프를 그립니다. 
# sub 인자에는 그래프 제목에 들어갈 부제를 넣어주면 됩니다. 
bargraphVar <- function(var, sub) {
  
  # var에 할당된 문자열을 이용하여 R객체의 값을 선택할 수 있도록 설정합니다. 
  var <- str_c('news', var, sep = '$') %>% parse(text = .) %>% eval()
  
  # 지정된 컬럼으로 빈도수를 갖는 데이터프레임을 생성합니다.
  tbl <- var %>% 
    table() %>% 
    sort(decreasing = TRUE) %>% 
    as.data.frame() %>% 
    set_colnames(value = c('name', 'freq'))
  
  # 빈도수에 콤마를 추가합니다. 
  tbl$freqn <- tbl$freq %>% format(big.mark = ',')
  
  # 전체 건수 대비 비중 컬럼을 생성합니다. 
  tbl$pcnt <- (tbl$freq / sum(x = tbl$freq) * 100) %>% 
    sprintf(fmt = '%.2f', x = .) %>% 
    str_pad(width = 4, side = 'right', pad = '0')
  
  # 막대그래프로 그립니다. 
  ggplot(
    data = head(x = tbl, n = 20L), 
    mapping = aes(
      x = reorder(x = name, X = freq),
      y = freq)) + 
    geom_bar(
      stat = 'identity', 
      fill = c(rep(x = 'gray80', times = 15), 
               rep(x = 'gray30', times = 5))) +
    geom_text(
      mapping = aes(label = str_c(freqn, ' (', pcnt, '%)')), 
      hjust = -0.1, 
      size = 4) + 
    labs(
      x = '',
      y = '뉴스 건수 (비중)',
      title = str_c('2018년 프로야구 기사 빈도수 (', sub, ')')) + 
    scale_y_continuous(limits = c(0, max(x = tbl$freq) * 1.2)) + 
    coord_flip() + 
    mytheme + 
    theme(axis.text.x = element_blank() )
  
}

# 언론사별로 뉴스 건수와 비중을 확인합니다. 
bargraphVar(var = 'press', sub = '언론사')

# 기자별로 뉴스 건수와 비중을 확인합니다. 
bargraphVar(var = 'reporter', sub = '기자')

# 언론사별 기자가 작성한 뉴스의 건수와 비중을 확인하는 사용자 정의 함수를 생성합니다. 
bargraphPress <- function(press) {
  
  # var에 할당된 문자열을 이용하여 R객체의 값을 선택할 수 있도록 설정합니다. 
  var <- news$rname[news$press == press]
  
  # 지정된 컬럼으로 빈도수를 갖는 데이터프레임을 생성합니다.
  tbl <- var %>% 
    table() %>% 
    sort(decreasing = TRUE) %>% 
    as.data.frame() %>% 
    set_colnames(value = c('name', 'freq'))
  
  # 기자의 수가 최대 20명이 되도록 설정합니다. 
  n <- min(nrow(x = tbl), 20)
  
  # 빈도수에 콤마를 추가합니다. 
  tbl$freqn <- tbl$freq %>% format(big.mark = ',')
  
  # 전체 건수 대비 비중 컬럼을 생성합니다. 
  tbl$pcnt <- (tbl$freq / sum(x = tbl$freq) * 100) %>% 
    sprintf(fmt = '%.2f', x = .) %>% 
    str_pad(width = 4, side = 'right', pad = '0')
  
  # 막대그래프로 그립니다. 
  ggplot(
    data = head(x = tbl, n = n), 
    mapping = aes(
      x = reorder(x = name, X = freq),
      y = freq)) + 
    geom_bar(
      stat = 'identity', 
      fill = c(rep(x = 'gray80', times = n - 5), 
               rep(x = 'gray30', times = 5))) +
    geom_text(
      mapping = aes(label = str_c(freqn, ' (', pcnt, '%)')), 
      hjust = -0.1, 
      size = 4) + 
    labs(
      x = '',
      y = '뉴스 건수 (비중)',
      title = str_c('2018년 프로야구 기사 빈도수 (', press, ')')) + 
    scale_y_continuous(limits = c(0, max(x = tbl$freq) * 1.2)) + 
    coord_flip() + 
    mytheme + 
    theme(axis.text.x = element_blank() )
  
}

# 1위 언론사에는 어떤 기자들이 활동했을까요? 
bargraphPress(press = 'OSEN')

# 2위와 3위 언론사도 한 번 살펴보겠습니다. 
bargraphPress(press = '스포츠조선')

bargraphPress(press = '스포티비뉴스')

# 마지막으로 제가 가장 관심 있는 기자가 속한 언론사입니다. 
bargraphPress(press = '국민일보')

# 뉴스 제목에서 언급된 구단별 뉴스 건수를 확인합니다. (중복 있음)
mostTeam <- news$team %>% 
  str_split(pattern = ',') %>% 
  unlist() %>% 
  table() %>% 
  sort(decreasing = TRUE) %>% 
  as.data.frame(stringsAsFactors = FALSE) %>% 
  set_colnames(c('구분', '빈도'))

kable(x = mostTeam, caption = '뉴스 제목에 가장 많이 언급된 구단 (역순)')

# 뉴스 제목에서 언급된 선수별 뉴스 건수를 확인합니다.  (중복 있음)
mostName <- news$name %>% 
  str_split(pattern = ',') %>% 
  unlist() %>% 
  table() %>% 
  sort(decreasing = TRUE) %>% 
  as.data.frame(stringsAsFactors = FALSE) %>% 
  set_colnames(c('구분', '빈도'))

kable(x = mostName[1:10, ], caption = '뉴스 제목에 가장 많이 언급된 선수 (역순)')

# 반응 항목별로 가장 인기 있었던 기사를 확인하는 사용자 정의 함수를 생성합니다. 
checkResponse <- function(data, resp, top = 5, cap) {
  
  # data와 resp 인자를 문자로 받아 R 객체의 값을 불러오도록 설정합니다. 
  dtn <- deparse(expr = substitute(expr = data))
  var <- str_c(dtn, resp, sep = '$') %>% parse(text = .) %>% eval()
  
  # 가장 많은 표를 얻은 기사만 추출합니다.
  cols <- c('date', 'title', 'press', 'rname', 'resp', resp)
  article <- data[order(var, decreasing = TRUE), cols] %>% head(n = top)
  
  # 상위 기사를 출력합니다. 
  kable(x = article, row.names = FALSE, caption = cap)
  
}

# '좋아요'를 가장 많이 받은 기사 목록입니다.
checkResponse(data = news, resp = 'like', top = 10, cap = '좋아요를 가장 많이 받은 기사 목록')

# '슬퍼요'를 가장 많이 받은 기사 목록입니다.
checkResponse(data = news, resp = 'sad', top = 10, cap = '슬퍼요를 가장 많이 받은 기사 목록')

# '화나요'를 가장 많이 받은 기사 목록입니다.
checkResponse(data = news, resp = 'angry', top = 10, cap = '화나요를 가장 많이 받은 기사 목록')

# '팬이에요'를 가장 많이 받은 기사 목록입니다.
checkResponse(data = news, resp = 'fan', top = 10, cap = '팬이에요(힘내요)를 가장 많이 받은 기사 목록')

# '후속기사 원해요'를 가장 많이 받은 기사 목록입니다.
checkResponse(data = news, resp = 'want', top = 10, cap = '후속기사(원해요)를 가장 많이 받은 기사 목록')

# 뉴스 평균 반응 데이터로 막대그래프를 그리는 사용자 정의 함수를 생성합니다. 
bargraphResp <- function(data, resp, top = 10) {
  
  # data와 resp 인자를 문자로 받아 R 객체의 값을 불러오도록 설정합니다. 
  dtn <- deparse(expr = substitute(expr = data))
  var <- eval(expr = parse(text = str_c(dtn, resp, sep = '$')))
  
  # 반응 항목의 위치를 지정합니다. 
  loc <- which(x = colnames(x = data) == resp)
  
  # 조건 내림차순으로 정렬하고 필요 컬럼만 추출합니다. 
  df <- data[order(x = var, decreasing = TRUE), c(1, loc)] %>% 
    head(n = top)
  
  # 컬럼명을 변경합니다. 
  colnames(x = df) <- c('구분' ,'평균')
  
  # 막대그래프에 출력할 컬럼을 추가합니다. 
  df$출력 <- df$평균 %>%
    sprintf(fmt = '%.1f', x = .) %>%
    str_pad(width = 3, side = 'right', pad = '0')
  
  # 막대그래프를 그립니다. 
  ggplot(
    data = df, 
    mapping = aes(
      x = reorder(x = 구분, X = -평균), 
      y = 평균)) + 
    geom_col(
      fill = c(rep(x = 'gray30', times = 5), 
               rep(x = 'gray80', times = top - 5))) + 
    geom_text(
      mapping = aes(label = 출력), 
      vjust = -0.5,
      size = 4) + 
    labs(
      x = '',
      y = '',
      title = str_c('관련 기사 평균 반응수 (', resp, ')')) + 
    mytheme 
  
}

# 언론사별로 뉴스 기사 평균 반응을 구합니다.
pressResp <- news %>% 
  dplyr::rename(언론사 = press) %>% 
  group_by(언론사) %>% 
  dplyr::summarise(
    기사건수 = n(), 
    총반응 = sum(x = resp),
    좋아요 = sum(x = like),
    슬퍼요 = sum(x = sad),
    화나요 = sum(x = angry),
    힘내요 = sum(x = fan),
    원해요 = sum(x = want)) %>% 
  dplyr::filter(기사건수 >= 100) %>% 
  mutate(
    총반응 = round(x = 총반응 / 기사건수, digits = 2L),
    좋아요 = round(x = 좋아요 / 기사건수, digits = 2L),
    슬퍼요 = round(x = 슬퍼요 / 기사건수, digits = 2L),
    화나요 = round(x = 화나요 / 기사건수, digits = 2L),
    힘내요 = round(x = 힘내요 / 기사건수, digits = 2L),
    원해요 = round(x = 원해요 / 기사건수, digits = 2L)) 

# '좋아요' 평균 반응이 가장 높은 언론사는 어디일까요? 
bargraphResp(data = pressResp, resp = '좋아요')

# 슬픈 기사는 어떤 언론사에서 가장 많이 작성했을까요?
bargraphResp(data = pressResp, resp = '슬퍼요')

# 프로야구 팬들을 자주 화나게 한 언론사는 어디일가요?
bargraphResp(data = pressResp, resp = '화나요')

# '팬이에요'라는 응원을 가장 많이 받은 언론사는? 
bargraphResp(data = pressResp, resp = '힘내요')

# 마지막으로 '후속기사'를 원하도록 궁금증을 유발한 언론사를 확인합니다. 
bargraphResp(data = pressResp, resp = '원해요')

# 기자별로 뉴스 기사 평균 반응을 구합니다. 
reprtResp <- news %>% 
  dplyr::rename(기자 = reporter) %>% 
  group_by(기자) %>% 
  dplyr::summarise(
    기사건수 = n(), 
    총반응 = sum(x = resp),
    좋아요 = sum(x = like),
    슬퍼요 = sum(x = sad),
    화나요 = sum(x = angry),
    힘내요 = sum(x = fan),
    원해요 = sum(x = want)) %>% 
  dplyr::filter(기사건수 >= 100) %>% 
  mutate(
    총반응 = round(x = 총반응 / 기사건수, digits = 2L),
    좋아요 = round(x = 좋아요 / 기사건수, digits = 2L),
    슬퍼요 = round(x = 슬퍼요 / 기사건수, digits = 2L),
    화나요 = round(x = 화나요 / 기사건수, digits = 2L),
    힘내요 = round(x = 힘내요 / 기사건수, digits = 2L),
    원해요 = round(x = 원해요 / 기사건수, digits = 2L)) 

# '좋아요'를 가장 많이 받은 기자입니다. 
bargraphResp(data = reprtResp, resp = '좋아요')

# '슬픈 기사' 전문 기자 명단입니다. 
bargraphResp(data = reprtResp, resp = '슬퍼요')

# 팬들을 화나게 한 건 뉴스인가요? 아니면 기자인가요?
bargraphResp(data = reprtResp, resp = '화나요')

# 팬들로부터 받는 응원은 기자를 춤추게 할까요?
bargraphResp(data = reprtResp, resp = '힘내요')

# 후속기사가 필요 없도록 한 번에 시원하게 부탁합니다! 
bargraphResp(data = reprtResp, resp = '원해요')

# 구단 및 선수별 뉴스 기사의 평균 반응을 구하는 사용자 정의 함수를 생성합니다.
meanResp <- function(gb, gbNm) {
  
  if (gb == 'team') {
    dt <- news %>% dplyr::filter(str_detect(string = team, pattern = gbNm))
  } else if (gb == 'name') {
    dt <- news %>% dplyr::filter(str_detect(string = name, pattern = gbNm))
  }
    
  meanResp <- dt %>% 
    dplyr::summarise(
      기사건수 = n(), 
      총반응 = sum(x = resp),
      좋아요 = sum(x = like),
      슬퍼요 = sum(x = sad),
      화나요 = sum(x = angry),
      힘내요 = sum(x = fan),
      원해요 = sum(x = want)) %>% 
    dplyr::filter(기사건수 >= 100) %>% 
    mutate(
      총반응 = round(x = 총반응 / 기사건수, digits = 2L),
      좋아요 = round(x = 좋아요 / 기사건수, digits = 2L),
      슬퍼요 = round(x = 슬퍼요 / 기사건수, digits = 2L),
      화나요 = round(x = 화나요 / 기사건수, digits = 2L),
      힘내요 = round(x = 힘내요 / 기사건수, digits = 2L),
      원해요 = round(x = 원해요 / 기사건수, digits = 2L)) 
  
  meanResp <- cbind(구분 = gbNm, meanResp)  
  
  return(meanResp)
  
}

# 10개 구단별 뉴스의 평균 반응을 구합니다. 
teamResp <- data.frame()
teams <- mostTeam$구분

for (team in teams) {
  
  df <- meanResp(gb = 'team', gbNm = team)
  teamResp <- rbind(teamResp, df)
  
}

# '좋아요'를 가장 많이 받는 구단은 어디일까요? 
bargraphResp(data = teamResp, resp = '좋아요')

# 팬들을 슬프게한 구단을 알아봅시다. 
bargraphResp(data = teamResp, resp = '슬퍼요')

# 어느 구단인지 대충 짐작이 갑니다. 
bargraphResp(data = teamResp, resp = '화나요')

# 팬들의 사랑을 많이 받았으니 올해 행복했을 겁니다. 
bargraphResp(data = teamResp, resp = '힘내요')

# 후속기사가 필요한 구단이라면 의심스러운 구석이 많겠죠? 
bargraphResp(data = teamResp, resp = '원해요')

# 선수별 뉴스의 평균 반응을 구합니다.
nameResp <- data.frame()
names <- mostName$구분[1:10]

for (name in names) {
  
  df <- meanResp(gb = 'name', gbNm = name)
  nameResp <- rbind(nameResp, df)
  
}

# 팬들이 가장 좋아했던 그 선수, 누굽니까?
bargraphResp(data = nameResp, resp = '좋아요')

# 부상 때문일까요? 무엇이 팬들을 슬프게 했을까요? 
bargraphResp(data = nameResp, resp = '슬퍼요')

# 이건 척하면 척이죠. 
bargraphResp(data = nameResp, resp = '화나요')

# 사랑과 격려를 한 몸에 받은 그대, 행복했나요? 
bargraphResp(data = nameResp, resp = '힘내요')

# 아~ 눈물납니다. 
bargraphResp(data = nameResp, resp = '원해요')

# 구단 관련 뉴스 중 가장 인기 있었던 뉴스 제목을 추출하는 사용자 정의 함수를 생성합니다. 
teamResponse <- function(teamName, resp, top = 5, cap) {
  
  # 조건에 맞는 데이터셋 추출
  data <- news %>% dplyr::filter(team == teamName)
  
  # 조건으로 내림차순 정렬한 기사 출력 
  checkResponse(data = data, resp = resp, top = top, cap = cap)
  
}

# '좋아요'를 가장 많이 받는 한화 구단 관련 상위 뉴스 
teamResponse(teamName = '한화', resp = 'like', top = 10, cap = '좋아요를 가장 많이 받은 한화 구단 관련 기사')

# '슬퍼요'를 가장 많이 받는 한화 구단 관련 상위 뉴스 
teamResponse(teamName = '한화', resp = 'sad', top = 10, cap = '슬퍼요를 가장 많이 받은 한화 구단 관련 기사')

# '화나요'를 가장 많이 받는 한화 구단 관련 상위 뉴스 
teamResponse(teamName = '한화', resp = 'angry', top = 10, cap = '화나요를 가장 많이 받은 한화 구단 관련 기사')

# '팬이에요'를 가장 많이 받는 한화 구단 관련 상위 뉴스 
teamResponse(teamName = '한화', resp = 'fan', top = 10, cap = '팬이에요(힘내요)를 가장 많이 받은 한화 구단 관련 기사')

# '후속기사 원해요'를 가장 많이 받는 한화 구단 관련 상위 뉴스 
teamResponse(teamName = '한화', resp = 'want', top = 10, cap = '후속기사(원해요)를 가장 많이 받은 한화 구단 관련 기사')

# '좋아요'를 가장 많이 받는 LG 구단 관련 상위 뉴스 
teamResponse(teamName = 'LG', resp = 'like', top = 10, cap = '좋아요를 가장 많이 받은 LG 구단 관련 기사')

# '슬퍼요'를 가장 많이 받는 LG 구단 관련 상위 뉴스 
teamResponse(teamName = 'LG', resp = 'sad', top = 10, cap = '슬퍼요를 가장 많이 받은 LG 구단 관련 기사')

# '화나요'를 가장 많이 받는 LG 구단 관련 상위 뉴스 
teamResponse(teamName = 'LG', resp = 'angry', top = 10, cap = '화나요를 가장 많이 받은 LG 구단 관련 기사')

# '팬이에요'를 가장 많이 받는 LG 구단 관련 상위 뉴스 
teamResponse(teamName = 'LG', resp = 'fan', top = 10, cap = '팬이에요(힘내요)를 가장 많이 받은 LG 구단 관련 기사')

# '후속기사 원해요'를 가장 많이 받는 LG 구단 관련 상위 뉴스 
teamResponse(teamName = 'LG', resp = 'want', top = 10, cap = '후속기사(원해요)를 가장 많이 받은 LG 구단 관련 기사')