# Projekt 1: Przygotowanie wizualnej analizy danych z wykorzystaniem podstawowej biblioteki graficznej R i/lub biblioteki ggplot2
# zaladowanie bibliotek
library(Hmisc)
library(dplyr)
library(ggplot2)
library(RColorBrewer)

# zaladowanie danych
german_credit_risk <- read.csv("german_credit_data.csv", header = TRUE)

# sprawdzenie danych
head(german_credit_risk)
tail(german_credit_risk)
str(german_credit_risk)
summary(german_credit_risk)
describe(german_credit_risk)

# zmiana nazwy pierwszej kolumny
colnames(german_credit_risk)[1] <- "index"

min(german_credit_risk$Age)
na.omit(german_credit_risk)

# violin plot
ggplot(german_credit_risk, aes(x=Purpose, y=Age, fill=Sex)) +
  geom_violin(trim=TRUE, position=position_dodge(1)) +
  stat_summary(fun = mean, geom="point", shape=25, size=2) + #position=position_dodge(.9)
  labs(title="Credit purpose by age", x="Purpose", y = "Age") +
  scale_fill_brewer(palette="Accent") +
  theme_minimal() +
  theme(legend.position="bottom")