.Rhistory

mytitle<-"How do you assess the travel experience \nof the following modes of transportation?"
mylevels<-c("Strongly dislike",	"Dislike",	"Indifferent",	"Like",	"Strongly like")
numlevels<-length(tab[1,])-1
numcenter<-ceiling(numlevels/2)+1
tab$midvalues<-tab[,numcenter]/2
tab2<-cbind(tab[,1],tab[,2:ceiling(numlevels/2)],
tab$midvalues,tab$midvalues,tab[,numcenter:numlevels+1])
colnames(tab2)<-c("outcome",mylevels[1:floor(numlevels/2)],"midlow",
"midhigh",mylevels[numcenter:numlevels])
numlevels<-length(mylevels)+1
point1<-2
point2<-((numlevels)/2)+1
point3<-point2+1
point4<-numlevels+1
mymin<-(ceiling(max(rowSums(tab2[,point1:point2]))*4)/4)*-100
mymax<-(ceiling(max(rowSums(tab2[,point3:point4]))*4)/4)*100
numlevels<-length(tab[1,])-1
temp.rows<-length(tab2[,1])
pal<-brewer.pal((numlevels-1),"RdBu")
pal[ceiling(numlevels/2)]<-"#DFDFDF"
legend.pal<-pal
pal<-c(pal[1:(ceiling(numlevels/2)-1)], pal[ceiling(numlevels/2)],
pal[ceiling(numlevels/2)], pal[(ceiling(numlevels/2)+1):(numlevels-1)])
tab3<-melt(tab2,id="outcome")
tab3$col<-rep(pal,each=temp.rows)
tab3$value<-tab3$value*100
tab3$outcome<-str_wrap(tab3$outcome, width = 40)
tab3$outcome<-factor(tab3$outcome, levels = tab2$outcome[order(-(tab2[,5]+tab2[,6]+tab2[,7]))])
highs<-na.omit(tab3[(length(tab3[,1])/2)+1:length(tab3[,1]),])
lows<-na.omit(tab3[1:(length(tab3[,1])/2),])
lows <- lows[rev(rownames(lows)),]
lows$col <- factor(lows$col, levels = c("#CA0020","#F4A582", "#DFDFDF"))
ggplot() + geom_bar(data=highs, aes(x = outcome, y=value, fill=col), position="stack", stat="identity") +
geom_bar(data=lows, aes(x = outcome, y=-value, fill=col), position="stack", stat="identity") +
geom_hline(yintercept = 0, color =c("white")) +
scale_fill_identity("",labels = mylevels, breaks=legend.pal, guide="legend") +
theme_fivethirtyeight() +
coord_flip() +
labs(title=mytitle, y="Percent",x="") +
theme(plot.title = element_text(size=14, hjust=0.5)) +
theme(axis.text.y = element_text(hjust=0)) +
theme(legend.position = "bottom") +
theme(rect=element_rect(fill ="White", linetype = 0, colour = NA)) +
theme(axis.title = element_text(size=8,hjust=1)) +
scale_y_continuous(breaks=seq(mymin,mymax,25), limits=c(-62,mymax)) #substituí mymin por -62 para cortar um pouco à esquerda
tab<-tab[,-c(7)]
save.image("D:/GIS/Rosix/.RData")
ResultyG_1 <- likert(Personalityyy[c(1:6)], grouping=Personalityyy$CHANGE_Class3)
ResultyGs_1 <- likert(summary = ResultyG_1$results, grouping = ResultyG_1$results[,1])
plot(ResultyGs_1, type="bar", centered=FALSE)
ResultyG_1 <- likert(Personalityyy[c(1:6)], grouping=Personalityyy$CHANGE_Class3)
ResultyGs_1 <- likert(summary = ResultyG_1$results, grouping = ResultyG_1$results[,1])
plot(ResultyGs_1, type="bar", centered=FALSE)
library(tidyverse)
#criar um ponto com coordenadas conhecidas
PontoD <- data.frame(longitude = c(-9.121910), latitude = c(38.767135))
PontoD <- st_as_sf(PontoD,coords = c("longitude", "latitude"), crs=4326)
library(sf)
#criar um ponto com coordenadas conhecidas
PontoD <- data.frame(longitude = c(-9.121910), latitude = c(38.767135))
PontoD <- st_as_sf(PontoD,coords = c("longitude", "latitude"), crs=4326)
class(PontoD)
library(sf)
RouteD<-st_read("D:/GIS/Ricardo/estudodeprocuracicloexpresso/D_Cyclingfastest.shp")
View(RouteD)
library(shiny)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
library(shiny)
library(leaflet)
ui = fluidPage(
sliderInput(inputId = "alunos", "Alunos", 1, 102, value = 5),  #slide bar definições
leafletOutput(outputId = "map")
)
server = function(input, output) {
output$map = renderLeaflet({
leaflet() %>% addProviderTiles("OpenStreetMap.BlackAndWhite") %>% #base do OSM
addMarkers(data=PontoD) %>%   #ponto com a escola
addPolylines(col="red", data = rnetD[rnetD$alunos > input$alunos, ])})  #linhas da rede
}
shinyApp(ui, server)
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
shinyApp(ui, server)
install.packages(c("devtools", "rmarkdown", "shiny"))
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
library(shiny)
library(leaflet)
ui = fluidPage(
sliderInput(inputId = "alunos", "Alunos", 1, 102, value = 5),  #slide bar definições
leafletOutput(outputId = "map")
)
server = function(input, output) {
output$map = renderLeaflet({
leaflet() %>% addProviderTiles("OpenStreetMap.BlackAndWhite") %>% #base do OSM
addMarkers(data=PontoD) %>%   #ponto com a escola
addPolylines(col="red", data = rnetD[rnetD$alunos > input$alunos, ])})  #linhas da rede
}
shinyApp(ui, server)
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
library(shiny)
library(leaflet)
ui = fluidPage(
sliderInput(inputId = "alunos", "Alunos", 1, 102, value = 5),  #slide bar definições
leafletOutput(outputId = "map")
)
server = function(input, output) {
output$map = renderLeaflet({
leaflet() %>% addProviderTiles("OpenStreetMap.BlackAndWhite") %>% #base do OSM
addMarkers(data=PontoD) %>%   #ponto com a escola
addPolylines(col="red", data = rnetD[rnetD$alunos > input$alunos, ])})  #linhas da rede
}
shinyApp(ui, server)
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
library(tidyverse)
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,-c(1,2)], type = "html", title = "Descriptive statistics", digits=1 , out="summary1.htm")
#teste com summarytools, lindo!
library(summarytools) #para todo o tipo, gera um html
DescStat<-dfSummary(TODOS[,c(3,4,5,8,15,17,46)])
view(DescStat) #abrir o botão do view pane para o browser, guardar como html
TODOS$Income <- ordered(TODOS$Income)
stargazer::stargazer(TODOS[,-c(1,2)], type = "html", title = "Descriptive statistics", digits=1 , out="summary1.htm")
view(stargazer(TODOS[,-c(1,2)], type = "html", title = "Descriptive statistics", digits=1 , out="summary1.htm"))
view(stargazer(TODOS[,-c(1,2)], type = "html", title = "Descriptive statistics", digits=1)
view(stargazer(TODOS[,-c(1,2)], type = "html", title = "Descriptive statistics", digits=1))
stargazer::stargazer(TODOS, type = "html", title = "Descriptive statistics", digits=1 , out="summary1.htm")
stargazer::stargazer(TODOS, title = "Descriptive statistics", digits=1 , out="summary1.htm")
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS, type = "html", title = "Descriptive statistics", digits=1 , out="summary1.htm")
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS, type = "text", title = "Descriptive statistics", digits=1 , out="summary1.htm")
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1 , out="summary1.htm")
#teste com summarytools, lindo!
library(summarytools) #para todo o tipo, gera um html
DescStat<-dfSummary(TODOS[,c(3,4,5,8,15,17)])
view(DescStat) #abrir o botão do view pane para o browser, guardar como html
#teste com summarytools, lindo!
library(summarytools) #para todo o tipo, gera um html
DescStat<-dfSummary(TODOS[,c(3,4,8,15)])
DescStat
#view(DescStat) #abrir o botão do view pane para o browser, guardar como html
#teste com summarytools, lindo!
library(summarytools) #para todo o tipo, gera um html
DescStat<-dfSummary(TODOS[,c(3,4,8,15)], plain.ascii = FALSE)
DescStat
#view(DescStat) #abrir o botão do view pane para o browser, guardar como html
#teste com summarytools, lindo!
library(summarytools) #para todo o tipo, gera um html
DescStat<-dfSummary(TODOS[,c(3,4,8,15)])
print(DescStat, method = "render")
#view(DescStat) #abrir o botão do view pane para o browser, guardar como html
print(DescStat, method = "render")
print(DescStat, method = "render")
#tabela com a descrição das variáveis contínuas e categóricas!
library(summarytools) #para todo o tipo, gera um html
DescStat<-dfSummary(TODOS[,c(3,4,8,15)])
view(DescStat) #abrir o botão do view pane para o browser, guardar como html
save.image(".RData")
print(DescStat, method = "render")
print(DescStat, method = "render")
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1)
#mudar o type para text, latex ou htm
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
print(dfSummary(TODOS[,c(3,4,8,15)], valid.col = F, style = "grid", method = "render")
print(dfSummary(TODOS[,c(3,4,8,15)], valid.col = F, style = "grid", method = "render"))
print(dfSummary(TODOS[,c(3,4,8,15)], valid.col = F, method = "render"))
print(DescStat, method = "render"))
print(DescStat, method = "render")
print(DescStat, valid.col=F, method = "render")
print(DescStat,style = "grid", valid.col=F, method = "render")
print(DescStat,style = "grid",plain.ascii = FALSE, valid.col=F, method = "render")
print(DescStat,style = "grid",plain.ascii = FALSE, valid.col=F, method = "render", tmp.img.dir= "/tmp")
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
```{r stargazer tables, echo=T, message=FALSE, warning=FALSE}
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
```
library(tidyverse)
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "htm", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "html", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "latex", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
suppressPackageStartupMessages(library(summarytools))
st_css()
st_options(bootstrap.css     = FALSE,       # Already part of the theme so no need for it
plain.ascii       = FALSE,       # One of the essential settings
style             = "rmarkdown", # Idem.
dfSummary.silent  = TRUE,        # Suppresses messages about temporary files
footnote          = NA,          # Keeping the results minimalistic
subtitle.emphasis = FALSE)       # For the vignette theme, this gives
# much better results. Your mileage may vary.
suppressPackageStartupMessages(library(summarytools))
st_css()
st_options(bootstrap.css     = FALSE,       # Already part of the theme so no need for it
plain.ascii       = FALSE,       # One of the essential settings
style             = "rmarkdown", # Idem.
dfSummary.silent  = TRUE,        # Suppresses messages about temporary files
footnote          = NA,          # Keeping the results minimalistic
subtitle.emphasis = FALSE)       # For the vignette theme, this gives
# much better results. Your mileage may vary.
st_css()
print(DescStat,valid.col=F, method = "render",  results="asis")
print(DescStat,valid.col=F, method = "render")
print(DescStat,valid.col=F, method = "render")
print(DescStat,valid.col=F, method = "render", style = "grid", tmp.img.dir= "/tmp")
print(DescStat,valid.col=F, method = "render", style = "grid")
#só para contínuas, estilo latex
stargazer::stargazer(TODOS[,c(3,15:17)], type = "html", title = "Descriptive statistics", digits=1, column.sep.width = "15pt") #mudar o type para text, latex ou htm
#só para contínuas, estilo latex
library(stargazer)
stargazer::stargazer(TODOS[,c(3,15:17)], type = "text", title = "Descriptive statistics", digits=1) #mudar o type para text, latex ou htm
#só para contínuas, estilo latex
stargazer::stargazer(TODOS[,c(3,15:17)], type = "html", title = "Descriptive statistics", digits=1, column.sep.width = "100pt") #mudar o type para text, latex ou htm
#só para contínuas, estilo latex
stargazer::stargazer(TODOS[,c(3,15:17)], type = "html", title = "Descriptive statistics", digits=1, column.sep.width = "100pt", font.size = "small") #mudar o type para text, latex ou htm
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
st_geometry(sl) <- "geometry"
library(sf)
st_geometry(sl) <- "geometry"
?overline2
?overline
class(sl)
st_geometry(sl)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
library("stplanr", lib.loc="~/R/win-library/3.5")
install.packages("sf")
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
attr(sl)
attr(sl, "sf_column")
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
library(tidyverse)
library(sf)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
plot(rnetD, lwd = lwd)
plot(rnetD, lwd = lwd)
rm(sl)
rm(rnetD)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
library(stplanr)
rm(rnetD)
rm(sl)
class(rnetD)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
class(rnetD)
plot(rnetD)
plot(rnetD, lwd=lwd)
plot(rnetD, lwd = lwd)
plot(rnetD, lwd = lwd)
#tendo calculado as rotas de bicicleta de casa dos alunos até à escola D, no QGIS
library(stplanr)
sl = RouteD[RouteD$DIST_KM>0.5 & RouteD$DIST_KM<4 ,] #filtrar só aqueles a mais de 500m e menos de 4km
sl$alunos = 1 #cada route tem 1 aluno a fazer (para depois agregar)
rnetD = overline2(sl, attrib = "alunos") #partir as rotas em segmentos e somá-los
lwd = rnetD$alunos / mean(rnetD$alunos) #line width
plot(rnetD, lwd = lwd)
#barras de 100% stacked
ggplot(TODOS, aes(CHANGE_Class3, fill=Gender) ) +  geom_bar(position="Fill")+ scale_fill_grey()+ theme_classic()+
labs(title="Gender",
subtitle="Sub-groups of potential cyclists",
x="Class",
y=element_blank())+scale_y_continuous(labels = scales::percent)
#com palete de cores, e com Cyclists primeiro
ggplot(TODOS, aes(factor(TODOS$CHANGE_Class3, levels=rev(levels(TODOS$CHANGE_Class3))), fill=Gender) ) +  geom_bar(position="Fill")+ scale_fill_brewer( palette = "Pastel2")+ theme_classic()+
labs(title="Gender",
subtitle="Sub-groups of potential cyclists",
x="Class",
y=element_blank())+scale_y_continuous(labels = scales::percent)
#remover os que não repsonderam pq não tinham carro
ggplot(TODOS[!is.na(TODOS$CarGiveUp),], aes(CHANGE_Class3, fill=CarGiveUp) ) +  geom_bar(position="fill")+ scale_fill_brewer( palette ="RdYlGn") + theme_classic() +
theme(legend.title=element_blank()) +
labs(title="Could you give up having a car?",
subtitle="Sub-groups of potential cyclists",
x="Class",
y=element_blank())+scale_y_continuous(labels = scales::percent)
#alterar ordem das cores
ggplot(TODOS[TODOS$MODES!="Other",], aes(CHANGE_Class3, fill=MODES) ) +  geom_bar(position="fill")+
scale_fill_brewer( palette = "Paired", direction=-1)+ theme_classic() + theme(legend.title=element_blank())+
labs(title="Travel Mode",
subtitle="Sub-groups of potential cyclists",
x="Class", y=element_blank())+scale_y_continuous(labels = scales::percent)
#barras na horixontal
ggplot(CONTAGENSzonasMT, aes(x=reorder(Names,SumFluxos), y=SumFluxos, fill=factor(AnoMT, levels=c("2018 Tarde", "2018 Manhã","2017 Tarde", "2017 Manhã")))) +
geom_bar(stat="identity", position="dodge") + guides(fill=guide_legend(reverse=TRUE), colour=guide_legend(reverse=TRUE)) +
scale_fill_brewer(palette="Paired", direction=-1, "Ano e Período") + ggtitle("Pico de ciclistas por hora de ponta, por ano e zona") +
coord_flip() + theme_minimal() + theme(legend.position = c(0.752, 0.305), legend.title = element_text(face="bold")) + labs(y="Pico de ciclistas por hora de ponta", x="Zonas")
#simplificado, com legendas nas barras
ggplot(CONTAGENSzonas, aes(x=reorder(Names,SumFluxos), y=SumFluxos4, fill=factor(Ano, levels=c("2018","2017")))) +
geom_bar(stat="identity", position="dodge", show.legend=F) + #scale_fill_manual(values = wes_palette("Darjeeling1"), 2) +
geom_text(aes(label=Ano), color="white", size=3, position = position_dodge(1), hjust=1.3) +
coord_flip() + theme_minimal() + labs(y="Média de ciclistas por hora de ponta", x="Zonas")
#meter vários gráficos lado a lado, pela variável "ERA" - isto funciona bem com um Melt primeiro
ggplot(data=subset(MCBARRIERSERA.JOINALL,(MCBARRIERSERA.MEANscale>10 & names!="Other") & (MCBARRIERSERA.MEANscale>4.5 & names!="40")), aes(x=reorder(ENshort,MCBARRIERSERA.MEANscale), y=ERA_MEANscale, fill = quartis)) +
geom_bar(stat="identity")+
labs(title = "Previous Barriers for cycling - relevance", x = "Barriers of Cyclists", y = "Mean of weighted scores") +
theme(axis.text.x=element_text(size=5), plot.title = element_text(size=22, hjust=0.5)) +
scale_fill_manual(values = wes_palette("GrandBudapest1"), "Frequency of choices") +
coord_flip() + facet_wrap(~ERA)
library(plyr)
library(ggplot2)
library(wesanderson)
plot(rnetD, lwd = lwd)
View(CONTAGENSzonasMT)
citation(package = 'stplanr')
library(tidyverse)
library(likert)
library(likert)
Resultyy3 = likert(Personalityyy3)
plot(Resultyy3, type="bar",centered=F)+ggtitle("Cyclists")
ResultyG_1 <- likert(Personalityyy[c(1:6)], grouping=Personalityyy$CHANGE_Class3)
ResultyGs_1 <- likert(summary = ResultyG_1$results, grouping = ResultyG_1$results[,1])
plot(ResultyGs_1, type="bar", centered=FALSE)
remove.packages("stplanr", lib="~/R/win-library/3.6")
install_version("stplanr", version = "0.3.1", repos = "http://cran.us.r-project.org")
library(devtools)
install_version("stplanr", version = "0.3.1", repos = "http://cran.us.r-project.org")
install_version("stplanr", version = "0.3.1", repos = "http://cran.us.r-project.org")
citation(package = 'stplanr')
VIAGENSamlGAMA <- readRDS("D:/GIS/Rosix/VIAGENSamlGAMA.Rds")
#gráfico barras verticais com dois valores, e x como factor
ggplot(VIAGENSamlGAMA, aes(gama, viagens/1000, fill=inter) ) +  geom_bar(stat="identity")+
theme_classic()+
labs(title="Viagens AML",
subtitle="Número de viagens por gamas de distâncias",
x="Gama de distâncias [km]",
y="x1000 viagens")
library(ggplot2)
#gráfico barras verticais com dois valores, e x como factor
ggplot(VIAGENSamlGAMA, aes(gama, viagens/1000, fill=inter) ) +  geom_bar(stat="identity")+
theme_classic()+
labs(title="Viagens AML",
subtitle="Número de viagens por gamas de distâncias",
x="Gama de distâncias [km]",
y="x1000 viagens")
library(tidyverse)
#gráfico barras verticais com dois valores, e x como factor
ggplot(VIAGENSamlGAMA, aes(gama, viagens/1000, fill=inter) ) +  geom_bar(stat="identity")+
theme_classic()+
labs(title="Viagens AML",
subtitle="Número de viagens por gamas de distâncias",
x="Gama de distâncias [km]",
y="x1000 viagens")
# saveRDS(TABELA, "D:/R/Tabela.Rds")
save.image(".RData")
#gráfico barras verticais com dois valores, e x como factor
ggplot(VIAGENSamlGAMA, aes(gama, viagens/1000, fill=inter) ) +  geom_bar(stat="identity")+
theme_classic()+
labs(title="Viagens AML",
subtitle="Número de viagens por gamas de distâncias",
x="Gama de distâncias [km]",
y="x1000 viagens")
names(VIAGENSamlGAMA[VIAGENSamlGAMA=="viagens aml"]) <- "viagens"
names(VIAGENSamlGAMA)[3]<-"viagens"
save.image(".RData")
#gráfico barras verticais com dois valores, e x como factor
ggplot(VIAGENSamlGAMA, aes(gama, viagens/1000, fill=inter) ) +  geom_bar(stat="identity")+
theme_classic()+
labs(title="Viagens AML",
subtitle="Número de viagens por gamas de distâncias",
x="Gama de distâncias [km]",
y="x1000 viagens")