library(rvest)
install.packages("archivist")
install.packages("bitops")
library(archivist)
library(lubridate)
library(dplyr)


poslowie <- list()
for (posel in 1:50) {
  strona <- read_html(paste0("http://sejm.gov.pl/sejm8.nsf/posel.xsp?id=",posel%/%100, (posel%/%10)%%10, posel %% 10))
  nazwisko <- html_text(html_nodes(strona, "h1"))

  pola <- html_text(html_nodes(strona, ".data p"))
  if (any(pola == "Wygaśnięcie mandatu:")) {
    ind <- which(pola == "Wygaśnięcie mandatu:")
    pola <- pola[-ind+c(0,-1)]
    if (!grepl(pola[ind], pattern=":$"))
      pola <- pola[-ind]
  }
  wartosci <- pola[seq(2, length(pola), 2)]
  names(wartosci) <- pola[seq(1, length(pola), 2)]
  wartosci[["Nazwisko:"]] <- nazwisko
  id <- as.character(posel)
  poslowie[[id]] <- wartosci
  #print(wartosci)
}

pola <- c("Liczba głosów:", "Klub/koło:", "Data i miejsce urodzenia:", "Wykształcenie:", "Zawód:", "Nazwisko:", "Wiek:", "Okręg wyborczy:")

dane <- list()

for(pole in pola) {
  dane[[pole]] <- sapply(poslowie, function(posel) posel[pole])

}

df <- as.data.frame(dane)
colnames(df) <- c("Glosow", "Klub", "Data", "Wyksztalcenie", "Zawod", "ImieNazwisko", "Wiek", "OkregWyborczy")
rownames(df) <- names(poslowie)
df$Klub <- gsub(df$Klub, pattern = "Klub Parlamentarny |Klub Poselski ", replacement="")
df$DataUrodzenia <- gsub(df$Data, pattern = ",.*$", replacement = "")
df$MiejsceUrodzenia <- gsub(df$Data, pattern = "^.*,.", replacement = "")
df$Wiek <- as.numeric(round( (now() - as.POSIXct(dmy(df$DataUrodzenia)))/(365), 2))

poslowie <- df[-1]
poslowie$Glosow <- as.numeric(as.character(poslowie$Glosow))
poslowie$Klub <- factor(poslowie$Klub)
poslowie$DataUrodzenia <- dmy(poslowie$DataUrodzenia)
poslowie$MiejsceUrodzenia <- factor(poslowie$MiejsceUrodzenia)
poslowie$Wiek <- as.numeric(as.character(poslowie$Wiek))
poslowie$OkregWyborczy <- factor(poslowie$OkregWyborczy)

#head(poslowie)
#summary(poslowie)
#table(poslowie$Wyksztalcenie)
#factor(poslowie$MiejsceUrodzenia)
#poslowie$Klub
#poslowie$Okreg


#  ------------ Liczebnosc poslow na dany klub ------------
poslowie_na_klub = data.frame(table(poslowie$Klub))
colnames(poslowie_na_klub) <- c("Klub", "Ilość osób")

# wykres liczebnosci poslow na dany klub
install.packages("googleVis")
library(googleVis)
Pie <- gvisPieChart(poslowie_na_klub)
plot(Pie)

#  ------------ Liczba poslow z danym zawodem --------------------
poslowie_na_zawod = data.frame(table(poslowie$Zawod))
colnames(poslowie_na_klub) <- c("Zawod", "Ilość osób")

# wykres liczebnosci poslow na dany klub
install.packages("googleVis")
library(googleVis)
Pie <- gvisPieChart(poslowie_na_zawod)
plot(Pie)

#  ------------  Poslowie z najwieksza iloscia glosow na kazdy okreg  ------------

# tworzy nową tabele df1, wybiera odpowiednie kolumny
df1 <- select(df, ImieNazwisko, OkregWyborczy, Glosow)
colnames(df1) <- c("Nazwisko", "Okreg", "Glosow")
df1$Glosow <- as.numeric(as.character(df1$Glosow))
# aggregate - grupuje wg. okregu, wyciagajac posla z  najwieksza iloscia glosow w swoim okregu
aggregate(df1$Glosow, by = list(df1$Okreg), max)
df1 = aggregate(Glosow ~ Okreg, data = df1, max)
# dodaje informacje o posle z najwieksza iloscia glosow w swoim okregu
df1<-merge(x=df,y=df1, by="Glosow")
# tworzy nową tabele df2, wybiera odpowiednie kolumny o posle z najwieksza iloscia glosow w danym okregu
df2 <- select(df1, ImieNazwisko, OkregWyborczy, Glosow)
df2$Glosow <- as.numeric(as.character(df2$Glosow))
colnames(df2) <- c("Nazwisko", "Okreg", "Glosow")
# summary(df2)

install.packages("googleVis")
library(googleVis)
Column <- gvisColumnChart(df2)
plot(Column)