04_leaflet_soluciones.qmd

---
title: "Soluciones capítulo 4"
author: "Luz Frias"
execute:
  message: false
  warning: false
---

```{r, message=FALSE}
library(dplyr)
library(sf)
library(leaflet)
library(tidyr)
```


### Actividad 1

Pinta el metro de Madrid, con:

* Las paradas
* Las líneas de metro, cada una con un color diferente.

_Nota_: No vale crear una capa por línea diferente de metro, todas las líneas deben ir en la misma.

_Bonus_: personaliza los colores con el suyo oficial (línea 2 en rojo, línea 7 en naranja, ...)

```{r}
paradas_metro <- read_sf("dat/paradas_metro_madrid.geojson")
lineas_metro  <- read_sf("dat/lineas_metro.geojson")

colores_lineas <- c(
  "L1"    = "#38a3dc",
  "L2"    = "#f40104",
  "L3"    = "#fbe115",
  "L4"    = "#944247",
  "L5"    = "#96bf0e",
  "L6"    = "#9fa4a6",
  "L7"    = "#f7a64b",
  "L8"    = "#f500ff",
  "L9"    = "#a3228d",
  "L10"   = "#174594",
  "L11"   = "#185b00",
  "L12"   = "#a49a00",
  "Ramal" = "#090080"
)

# Cuidado, no confundas domain y levels. levels respeta el orden,
# domain no
paleta_lineas <- colorFactor(
  palette = unname(colores_lineas),
  levels  = names(colores_lineas)
)

leaflet(lineas_metro) %>%
  addProviderTiles("CartoDB.Positron") %>%
  setView(lng = -3.69, lat = 40.43, zoom = 12) %>%
  addPolylines(data = lineas_metro, color = ~paleta_lineas(Linea), opacity = 0.8) %>%
  addCircleMarkers(data = paradas_metro, stroke = FALSE, radius = 5, fillOpacity = 0.5) %>%
  addLegend(
    position = "bottomright",
    pal      = paleta_lineas,
    values   = ~Linea,
    title    = "Línea"
  )
```

### Actividad 2

Reproduce un mapa con el % de voto a cada uno de los 4 principales partidos por Comunidad Autónoma, en lugar de por provincia.

Necesitarás, además de los datos que ya hemos ido usando en este capítulo, los siguientes:

* `dat/provincias_ccaas.csv`: con el detalle de qué provincia pertenece a cada comunidad autónoma (mediante sus códigos INE).
* `dat/spain_ccaas.geojson`: con el geojson de las comunidades autónomas simplificado

```{r}
# Código adaptado del ejemplo por provincias del capítulo
# Lectura de geojson
mapa_ccaas <- read_sf("dat/spain_ccaas.geojson")

# Lectura de datos
elecciones <- read.csv("dat/elecciones_2019_provincias.csv")
votos <- read.csv("dat/elecciones_2019_votos.csv")
prov_ccaa <- read.csv("dat/provincias_ccaas.csv")

votos_partidos <- votos %>%
  mutate(
    partido = ifelse(partido %in% c("encomupodem", "podemos_encomun"), "podemos", partido),
    partido = ifelse(partido == "navarra_suma", "pp", partido),
  ) %>%
  filter(partido %in% c("psoe", "pp", "vox", "podemos")) %>%
  inner_join(elecciones, by = "provincia_cod_ine") %>%
  inner_join(prov_ccaa, by = c("provincia_cod_ine" = "cod_ine_provincia")) %>%
  group_by(cod_ine_ccaa, partido) %>%
  summarise(
    votos = sum(votos),
    votos_validos = sum(votos_validos)
  ) %>%
  mutate(ratio_votos = round(votos / votos_validos, 3)) %>%
  select(cod_ine_ccaa, partido, ratio_votos)

# Nos viene mejor pasarlo a formato ancho, con una columna por partido
votos_partidos_ancho <- votos_partidos %>%
  pivot_wider(names_from = partido, values_from = ratio_votos)

mapa_votos <- mapa_ccaas %>%
  inner_join(votos_partidos_ancho, by = c("codigo" = "cod_ine_ccaa"))

# Las paletas, también rescatadas del capítulo
pal_votos_psoe <- colorBin(
  palette = "Reds",
  domain  = mapa_votos$psoe,
  bins    = 5
)

pal_votos_pp <- colorBin(
  palette = "Blues",
  domain  = mapa_votos$pp,
  bins    = 5
)

pal_votos_vox <- colorBin(
  palette = "Greens",
  domain  = mapa_votos$vox,
  bins    = 5
)

pal_votos_podemos <- colorBin(
  palette = "Purples",
  domain  = mapa_votos$vox,
  bins    = 5
)

# Pinto el mapa, con una capa por ratio de votos a ese partido
leaflet(data = mapa_votos) %>%
  # Capa del PSOE
  addPolygons(color       = ~pal_votos_psoe(psoe),
              label       = ~nombre,
              stroke      = FALSE,
              fillOpacity = 1,
              group       = "PSOE"
  ) %>%
  # Capa del PP
  addPolygons(color       = ~pal_votos_pp(pp),
              label       = ~nombre,
              stroke      = FALSE,
              fillOpacity = 1,
              group       = "PP"
  ) %>%
  # Capa de VOX
  addPolygons(color       = ~pal_votos_vox(vox),
              label       = ~nombre,
              stroke      = FALSE,
              fillOpacity = 1,
              group       = "VOX"
  ) %>%
  # Capa de Podemos
  addPolygons(color       = ~pal_votos_podemos(podemos),
              label       = ~nombre,
              stroke      = FALSE,
              fillOpacity = 1,
              group       = "Podemos"
  ) %>%
  # Control de capas
  addLayersControl(
    baseGroups = c("PSOE", "PP", "VOX", "Podemos"),
    options = layersControlOptions(collapsed = FALSE)
  )
```

### Actividad 3

Lee `dat/listings.csv`. Contiene un listado de alojamientos anunciados en AirBnB en Madrid.

Coge aleatoriamente una muestra de 500 alojamientos y píntalos sobre un mapa de Madrid. Cada marcador debe tener un color diferente dependiendiendo del tipo (`room_type`).

```{r}
listings <- read.csv("dat/listings.csv") %>%
  sample_n(500)

paleta_tipo <- colorFactor("Set1", domain = unique(listings$room_type))

leaflet(listings) %>%
  addProviderTiles("CartoDB.Positron") %>%
  setView(lng = -3.69, lat = 40.43, zoom = 12) %>%
  addCircleMarkers(lat = ~latitude, lng = ~longitude, color = ~paleta_tipo(room_type),
                   stroke = FALSE, radius = 2, fillOpacity = 0.5) %>%
  addLegend(
    position = "bottomright",
    pal      = paleta_tipo,
    values   = ~room_type,
    title    = "Tipo de habitación"
  )
```