05_plotly_basico_soluciones.qmd

---
title: 'Soluciones capítulo 5'
author: "Luz Frias"
execute:
  message: false
  warning: false
---

```{r, message=FALSE}
library(dplyr)
library(tidyr)
library(palmerpenguins)
library(plotly)
```


### Actividad 1

Utilizando el dataset `diamonds`, representa la relación en un gráfico de puntos del precio frente a los quilates.

```{r}
diamonds_5k <- sample_n(diamonds, 5000)

plot_ly(diamonds_5k, type = "scatter", mode = "markers",
        x = ~carat, y = ~price)
```

### Actividad 2

Con el dataset `penguins`:

1. Pinta la relación entre longitud y profundidad del pico.

2. Añade al gráfico del punto 1 la distinción entre especies mediante el color.

3. Añade al gráfico del punto 1 la distinción entre el peso corporal mediante el color.

```{r}
plot_ly(penguins, type = "scatter", mode = "markers",
        x = ~bill_length_mm, y = ~bill_depth_mm)
```

```{r}
plot_ly(penguins, type = "scatter", mode = "markers",
        x = ~bill_length_mm, y = ~bill_depth_mm, color = ~species)
```

```{r}
plot_ly(penguins, type = "scatter", mode = "markers",
        x = ~bill_length_mm, y = ~bill_depth_mm, color = ~body_mass_g)
```

### Actividad 3

1. Lee los datos del economista (dat/economist.csv), con indicadores de desarrollo y corrupción por países:

* HDI: Human Development Index (1: más desarrollado)
* CPI: Corruption Perception Index (10: menos corrupto)

2. Crea un gráfico que:

* Cada país sea un punto
* El eje x indique CPI, el y HDI
* El color del punto indique la región
* Su tamaño sea proporcional al ranking HDI

```{r}
economist <- read.csv("dat/economist.csv")

plot_ly(economist, type = "scatter", mode = "markers",
        x = ~CPI, y = ~HDI, size = ~HDI.Rank, color = ~Region, text = ~Country,
        hovertemplate = "<b>%{text}</b><br>CPI: %{x}<br>HDI: %{y}")
```

### Actividad 4

1. Lee los datos de los resultados de las elecciones presidenciales de los Estados Unidos (dat/usa_president.csv).

2. Pinta en un gráfico de líneas la evolución del número de votos a lo largo de los años del partido republicado frente al demócrata.

```{r}
usa_president <- read.csv("dat/usa_president.csv")

usa_elections <- usa_president %>%
  filter(!writein, party %in% c("democrat", "republican")) %>%
  group_by(year, party) %>%
  summarise(candidatevotes = sum(candidatevotes)) %>%
  ungroup()

plot_ly(usa_elections, type = "scatter", mode = "lines",
        x = ~year, y = ~candidatevotes, color = ~party)
```