# 필요 패키지를 불러옵니다.
library(ggplot2)

# 세계 지도를 불러옵니다. 
world <- map_data(map = 'world', region = '.')

# 세계 지도에 포함된 국가명만 오름차순으로 정렬 후 출력합니다.
world$region %>% unique() %>% sort()

# 동북아시아 지도 데이터를 만듭니다.
neAsia <- map_data(map = 'world',
                   region = c('South Korea', 'North Korea', 'China',
                              'Japan', 'Mongolia', 'Taiwan'))

# 지도 데이터 미리보기 합니다. 
head(x = neAsia, n = 10L)

# x축에 경도, y축에 위도를 지정하여 지도를 그릴 수 있습니다.
# geom_polygon() 함수를 이용하여 국가별로 다각형을 만들 수 있고,
# 다각형별로 채우기 및 테두리 색을 변경할 수 있습니다. 
neAsiaMap <- 
  ggplot(data = neAsia,
         mapping = aes(x = long,
                       y = lat,
                       group = group)) +
  geom_polygon(fill = 'white',
               color = 'black')

# 지도를 그립니다.
neAsiaMap

# 좌표계를 적용하면 좀 더 지도처럼 출력할 수 있습니다. 
# 아래 옵션 중에서 하나를 선택할 수 있습니다. 
# 'mercator'(기본값), 'polyconic', 'cylindrical', 'azequalarea'
neAsiaMap + coord_map()

# 한반도에만 채우기와 테두리 색을 지정합니다. 
# 대한민국은 파란색, 북한은 빨간색으로 채우기 합니다.
southKorea <- map_data(map = 'world', region = 'South Korea')
northKorea <- map_data(map = 'world', region = 'North Korea')

# 기존 지도 이미지에 한반도 국가들을 추가로 덧붙입니다. 
neAsiaMap + 
  coord_map() + 
  geom_polygon(data = southKorea,
               mapping = aes(x = long,
                             y = lat,
                             group = group),
               fill = 'blue',
               color = 'blue') +
  geom_polygon(data = northKorea,
               mapping = aes(x = long,
                             y = lat,
                             group = group),
               fill = 'red',
               color = 'red')

# 한반도를 하늘색으로 채웁니다. 
neAsiaMap + 
  coord_map() + 
  geom_polygon(data = southKorea,
               mapping = aes(x = long,
                             y = lat,
                             group = group),
               fill = 'skyblue',
               color = 'skyblue') +
  geom_polygon(data = northKorea,
               mapping = aes(x = long,
                             y = lat,
                             group = group),
               fill = 'skyblue',
               color = 'skyblue')

# 대한민국과 북한 지도 경계 데이터만 수집합니다. 
twoKoreas <- map_data(map = 'world', 
                      region = c('South Korea', 'North Korea'))

# 지도를 깔끔하게 정리하기 위해 나만의 테마를 만듭니다. 
my_theme <- theme(panel.background = element_blank(),
                  axis.title = element_blank(),
                  axis.text = element_blank(),
                  axis.ticks = element_blank(),
                  plot.title = element_text(hjust = 0.5,
                                            face = 'bold'))

# 통일 전 한반도 지도 이미지를 생성합니다. 
before <- 
  ggplot(data = twoKoreas,
         mapping = aes(x = long,
                       y = lat,
                       group = group)) + 
  coord_map() + 
  geom_polygon(data = southKorea,
               aes(x = long,
                   y = lat,
                   group = group),
               fill = 'blue',
               color = 'blue') +
  geom_polygon(data = northKorea,
               aes(x = long,
                   y = lat,
                   group = group),
               fill = 'red',
               color = 'red') +
  ggtitle(label = '통일 전 한반도') + 
  my_theme

# 통일 전 한반도 지도 이미지를 그립니다.
before 

# 통일 후 한반도 지도 이미지를 생성합니다. 
after <- 
  ggplot(data = twoKoreas,
         mapping = aes(x = long,
                       y = lat,
                       group = group)) + 
  coord_map() + 
  geom_polygon(data = southKorea,
               aes(x = long,
                   y = lat,
                   group = group),
               fill = 'skyblue',
               color = 'skyblue') +
  geom_polygon(data = northKorea,
               aes(x = long,
                   y = lat,
                   group = group),
               fill = 'skyblue',
               color = 'skyblue') +
  ggtitle(label = '통일 후 한반도') +
  my_theme

# 통일 후 한반도 지도 이미지를 그립니다.
after

# 필요 패키지를 불러옵니다.
library(gridExtra)

# 두 개의 이미지를 옆으로 나란히 그립니다.
grid.arrange(before, after, ncol = 2)

# 일본 지도 경계 데이터를 수집합니다. 
japan <- map_data(map = 'world', region = 'Japan')

# 통일 후 한반도 이미지에 일본 지도를 추가합니다. 
after + 
  geom_polygon(data = japan,
               mapping = aes(x = long,
                             y = lat,
                             group = group),
               fill = 'gray50',
               color = 'black')

# 필요 패키지를 불러옵니다.
library(ggmap)

# 구글 지도 API 인증키를 등록합니다. 매번 하려니 귀찮네요.
register_google(key = '자신의 구글 지도 API 인증키를 입력하세요')

# 독도의 위경도 좌표를 얻습니다.
dd <- geocode(location = "dokdo")

# 독도의 위경도 좌표를 중심으로 다이아몬드 형태로 만들기 위해
# 위경도 좌표 4개를 임의로 만듭니다. 
# 그리고 map_data() 함수를 실행한 결과 데이터프레임처럼 만듭니다.
dokdo <- 
  data.frame(
    long = c(dd[[1]]-0.01, dd[[1]], dd[[1]]+0.01, dd[[1]]),
    lat = c(dd[[2]], dd[[2]]+0.01, dd[[2]], dd[[2]]-0.01),
    group = 1,
    order = 1:4,
    region = 'South Korea',
    subregion = 'Dok Do'
  )

# 통일 후 한반도 지도 이미지에 독도를 추가합니다. 
after +
  geom_polygon(data = dokdo,
               aes(x = long,
                   y = lat,
                   group = group),
               fill = 'skyblue',
               color = 'skyblue')

# 동북아시아 국가 및 지역별 GDP와 인당GDP 컬럼을 만듭니다. 

# Nomial GDP와 Per Capita nomial GDP는 2017년 IMF 자료를 참고하였습니다. 
# 북한 데이터만 2016년 UN 데이터를 사용했습니다. 
# GDP : https://en.wikipedia.org/wiki/List_of_countries_by_GDP_(nominal)
# Per Capita GDP : https://en.wikipedia.org/wiki/List_of_countries_by_GDP_(nominal)_per_capita

# 위 데이터를 하나의 데이터프레임으로 만듭니다. 
neAsiaStat <- 
  data.frame(
    region = c('China', 'Japan', 'South Korea', 'North Korea', 'Taiwan', 'Mongolia'),
    gdp = c(12014610, 4872135, 1538030, 17396, 579302, 10869),
    perGdp = c(8643, 38440, 29891, 665, 24577, 3640))

# 두 개의 데이터프레임을 하나로 병합합니다. 
neAsia <- merge(x = neAsia,
                y = neAsiaStat,
                by = 'region',
                all.x = TRUE)

# region 및 order 기준으로 오름차순 정렬합니다.
# 이 작업을 하지 않으면 다각형이 이상하게 그려질 수 있습니다! 
neAsia <- neAsia[order(neAsia$region, neAsia$order), ]

# 데이터 미리보기 합니다. 
head(x = neAsia, n = 10L)

# 동북아시아 지도 데이터로 단계구분도를 그립니다. (명목 GDP 기준)
ggplot(data = neAsia,
       mapping = aes(x = long,
                     y = lat,
                     group = group)) + 
  coord_map() + 
  geom_polygon(mapping = aes(fill = gdp),
               color = 'black') + 
  my_theme + 
  ggtitle(label = '동북아시아 국가별 명목 GDP') + 
  theme(legend.position = c(0.9, 0.1),
        legend.text = element_text(size = 8, face = 'bold'),
        legend.title = element_text(size = 10, face = 'bold'))

# 동북아시아 지도 데이터로 단계구분도를 그립니다. (인당 명목 GDP 기준)
ggplot(data = neAsia,
       mapping = aes(x = long,
                     y = lat,
                     group = group)) + 
  coord_map() + 
  geom_polygon(mapping = aes(fill = perGdp),
               color = 'black') + 
  my_theme + 
  ggtitle(label = '동북아시아 국가별 인당 명목 GDP') + 
  theme(legend.position = c(0.9, 0.1),
        legend.text = element_text(size = 8, face = 'bold'),
        legend.title = element_text(size = 10, face = 'bold'))

# 데이터가 제대로 들어있는지 확인합니다. 
list.dirs(path = './data')

list.files(path = './data/bnd_sido_00_2016')

# shp 파일을 불러옵니다. (광역시도 데이터)
sido <- 
  rgdal::readOGR(
    dsn = './data/bnd_sido_00_2016',
    layer = 'bnd_sido_00_2016',
    encoding = 'CP949')

# sido 객체의 클래스를 확인합니다. 
class(x = sido)

# sido 객체를 데이터프레임으로 변환합니다. 
sidoDf <- fortify(model = sido)

# sidoDF의 구조를 확인합니다. 
str(object = sidoDf)

# 미리보기 합니다.
head(x = sidoDf, n = 10L)

# sido 객체의 data 요소를 확인합니다. 
# sido 데이터는 S4 클래스이므로 '@' 기호를 사용해야 합니다. 
sido@data

# sido@data 클래스를 확인합니다. 
class(x = sido@data)

# sido@data 구조를 확인합니다. 
str(object = sido@data)

# sido@data에서 행번호를 id 컬럼으로 만듭니다. 
sido@data$id <- rownames(x = sido@data)

# 이제 두 데이터프레임을 병합니다. 
sidoDf <- merge(x = sidoDf,
                y = sido@data[, c('id', 'BASE_YEAR', 'SIDO_CD', 'SIDO_NM')],
                by = 'id',
                all.x = TRUE)

# id와 order 기준으로 오름차순 정렬합니다. 
sidoDf <- sidoDf[order(sidoDf$id, sidoDf$order), ]

# 미리보기 합니다. 
head(x = sidoDf, n = 10L)

# 새로 붙인 컬럼들의 이름을 변경합니다. 
colnames(x = sidoDf)[8:10] <- c('year', 'sidoCd', 'sidoNm')

# 광역시도명을 두 글자로 줄입니다. 
sidoDf$sidoNm2 <- 
  ifelse(test = str_detect(string = sidoDf$sidoNm, pattern = '(남|북)도'),
         yes = str_c(str_sub(string = sidoDf$sidoNm, start = 1, end = 1),
                     str_sub(string = sidoDf$sidoNm, start = 3, end = 3)),
         no = str_sub(string = sidoDf$sidoNm, start = 1, end = 2))

# 광역시도명의 빈도수를 확인합니다. 
table(sidoDf$sidoNm2) %>% sort()

# order를 4로 나누었을 때 나머지가 1인 행만 남깁니다. 
sidoDf1 <- sidoDf[sidoDf$order %% 4 == 1, ]

# 새로 만든 데이터프레임의 건수를 확인합니다. 
nrow(x = sidoDf1)

# sidoDf1 데이터로 지도 이미지를 생성합니다. 
sidoMap <- 
  ggplot(data = sidoDf1,
         mapping = aes(x = long,
                       y = lat,
                       group = group)) + 
  geom_polygon(fill = 'white',
               color = 'black') + 
  my_theme

# sidoMap을 그립니다. 
sidoMap

# 부속지역을 제외합니다.
sidoDf2 <- subset(x = sidoDf1, subset = sidoDf1$piece == 1)

# 건수를 확인합니다. 
nrow(x = sidoDf2)

# 필요 패키지를 불러옵니다.
library(sp)
library(rgdal)
library(magrittr)

# 좌표계를 변환하는 함수를 생성합니다. (GRS80 -> WGS84)
convertCoords <- function(lon, lat) {
  
  # 2개의 벡터를 입력 받아 데이터프레임으로 만들고
  # SpatialPoints 타입으로 변환합니다.
  xy <- data.frame(lon = lon, lat = lat)
  coordinates(obj = xy) <- ~ lon + lat
  
  # CRS(Coordinate Reference System)을 설정합니다. 
  fmCRS <- CRS('+proj=tmerc +lat_0=38 +lon_0=127.5 +k=0.9996 +x_0=1000000 +y_0=2000000 +ellps=GRS80 +units=m +no_defs')
  toCRS <- CRS('+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs')
  
  # GRS80 좌표를 WGS84 좌표로 변환하여 반환합니다.
  xy %>% 
    SpatialPoints(proj4string = fmCRS) %>% 
    spTransform(CRSobj = toCRS) %>% 
    SpatialPoints() %>% 
    as.data.frame() %>% 
    set_colnames(c('lonWGS84', 'latWGS84')) %>% 
    return()
}

# sidoDf 위경도 좌표를 변환합니다.
changedCoords <- convertCoords(lon = sidoDf2$long, lat = sidoDf2$lat)

# 변환된 자표를 sidoDf에 열 기준으로 추가합니다.
sidoDf2 <- cbind(sidoDf2, changedCoords)

# 부속지역을 제외한 데이터로 지도 이미지를 생성합니다. 
sidoMap <- 
  ggplot(data = sidoDf2,
         mapping = aes(x = lonWGS84,
                       y = latWGS84,
                       group = group)) + 
  geom_polygon(fill = 'white',
               color = 'black') + 
  my_theme + 
  coord_map()

# sidoMap을 그립니다. 
sidoMap

# 광주광역시의 채우기 색을 "red", 대구광역시 채우기 색을 "blue"로 변경합니다.
sidoMap + 
  geom_polygon(data = sidoDf2[sidoDf2$sidoNm2 == '광주', ],
               mapping = aes(x = lonWGS84,
                             y = latWGS84,
                             group = group),
               fill = 'red') + 
  geom_polygon(data = sidoDf2[sidoDf2$sidoNm2 == '대구', ],
               mapping = aes(x = lonWGS84,
                             y = latWGS84,
                             group = group),
               fill = 'blue')

# 저장된 통계청 파일명을 지정합니다. 
statFile <- list.files(path = './data', pattern = '행정구역')

# 통계청 데이터를 불러옵니다.
sidoStat <- xlsx::read.xlsx(file = str_c('./data/', statFile),
                            sheetName = '데이터',
                            startRow = 2)

# 컬럼명을 변경합니다.
colnames(sidoStat) <- c('광역시도명', '인당지역총생산', '인당지역총소득', '인당개인소득', '인당민간소비')

# 광역시도명을 두 글자로 줄입니다. 
sidoStat$sidoNm2 <- 
  ifelse(test = str_detect(string = sidoStat$광역시도명, pattern = '(남|북)도'),
         yes = str_c(str_sub(string = sidoStat$광역시도명, start = 1, end = 1),
                     str_sub(string = sidoStat$광역시도명, start = 3, end = 3)),
         no = str_sub(string = sidoStat$광역시도명, start = 1, end = 2))

# sidoDf2에 광역시도명으로 병합합니다. 
sidoDf2 <- merge(x = sidoDf2,
                 y = sidoStat[, 2:6],
                 by = 'sidoNm2',
                 all.x = TRUE)

# id와 order 기준으로 오름차순 정렬합니다.
sidoDf2 <- sidoDf2[order(sidoDf2$id, sidoDf2$order), ]

# 나만의 팔레트도 만들어서 적용해보겠습니다. 
library(RColorBrewer)
myPal <- brewer.pal(n = 9, name = 'YlOrRd')


# 단계구분도를 그리는 함수를 생성합니다. 
drawChoropleth <- function(var) {
  
  # 채우기 기준 변수명을 지정합니다.
  varNm <- str_c('sidoDf2', var, sep = '$') %>% 
    parse(text = .) %>% 
    eval()
  
  # 단계구분도를 그립니다.
  ggplot(data = sidoDf2,
         mapping = aes(x = lonWGS84,
                       y = latWGS84,
                       group = group,
                       fill = varNm)) + 
    geom_polygon(color = 'gray30') + 
    coord_map() + 
    ggtitle(label = str_c('광역시도별', var, sep = ' ')) + 
    my_theme + 
    theme(legend.position = c(0.9, 0.1),
          legend.text = element_text(size = 8, face = 'bold'),
          legend.title = element_text(size = 10, face = 'bold')) + 
    scale_fill_gradient(low = myPal[3],
                        high = myPal[7])
}

# 단계구분도를 그립니다.
drawChoropleth(var = '인당개인소득')

drawChoropleth(var = '인당민간소비')