#install.packages(c("FactoMineR","tidyverse"))

library(tidyverse)
require(ggrepel)
library(FactoMineR)
# Données ----
db <- read.csv("https://epog.univ-paris13.fr/wp-content/uploads/2021/02/db4fevrier.txt", sep=",")
#la ligne au dessus importe directement la base depuis le site d'epog

#on prépare la base pour faire l'ACP
pour_PCA<-db %>% 
  mutate(poids=effectif/sum(effectif)) %>% 
  select(-effectif,-ETABLI,-academie) %>% 
  relocate(c("hommes","femmes","doctorats","masters","licences"),.after= prof_inter)

# ACP -----
resultat_ACP<-PCA(pour_PCA[,1:17], quanti.sup=13:17,
          row.w=pour_PCA$poids)

# FIG I : l'ébouli des pourcentages d'inertie (les valeurs propres)
barplot(resultat_ACP$eig[,2],main="Part de chaque axe dans l'inertie totale",
        names.arg=1:nrow(resultat_ACP$eig),col=rainbow(15))

# FIG II : le cercle des variables --------------
plot.PCA(resultat_ACP,choix='var',title="Graphe des variables de l'ACP")

#on peut faire la figure II à la main
dbact<-as_tibble(resultat_ACP$var$coord) %>% 
  mutate(type="Var actives") %>% 
  mutate(names=c(rownames(resultat_ACP$var$coord)))

dbsup<-as_tibble(resultat_ACP$quanti.sup$coord) %>% 
  mutate(type="Var suppl") %>% 
  mutate(names=c(rownames(resultat_ACP$quanti.sup$coord)))

dbvar<-bind_rows(dbact,dbsup)

ggplot(dbvar,aes(x=Dim.1,y=-Dim.2,
                 label=names,color=type))+
  scale_shape_manual(values=c("triangle","square"))+
  geom_point(aes(shape=type))+
  theme(legend.title=element_blank(),
        panel.background =element_rect(fill="white"),
        legend.position=c(0.15,0.85),
        legend.background = element_rect(fill="white",size=0.5, linetype="solid",colour ="black"),
        axis.title=element_text(size=12))+
  geom_text_repel(size=4,show.legend = FALSE)+
  geom_hline(yintercept=0,linetype="dashed",colour="grey")+
  geom_vline(xintercept = 0,linetype="dashed",colour="grey")+
  ggtitle("Figure II - Graphique des variables de l'ACP en 2019")+
  xlab(paste("Axe 1 :",round(resultat_ACP$eig[1,2],0),"%"))+
  ylab(paste("Axe 2 :",round(resultat_ACP$eig[2,2],0),"%"))
#FIG III : individus --------------

plot.PCA(resultat_ACP,title="Graphe des individus de l'ACP")

#la figure des individus à la main
dbind<-bind_cols(db,as_tibble(resultat_ACP$ind$coord))

ggplot(data=dbind,aes(x=Dim.1,y=-Dim.2))+
  ggtitle("Universités 2019 (couleur suivant Shanghaï)")+
  scale_color_gradient(low = "green", high = "red")+
  geom_point(aes(color=Classement))+
  geom_text_repel(aes(color=Classement,label=Sigle),size=3)+
  geom_hline(yintercept=0,linetype="dashed")+
  geom_vline(xintercept = 0,linetype="dashed")+
  theme(plot.title=element_text(hjust=0.5),legend.position=c(.95,.2),
        panel.background =element_rect(fill="white"),legend.title=element_blank())+
  xlab(paste("Axe 1 :",round(resultat_ACP$eig[1,2],0),"%"))+
  ylab(paste("Axe 2 :",round(resultat_ACP$eig[2,2],0),"%"))

# Classification -----
resultat_classif <- HCPC(resultat_ACP, nb.clust=4)

dbind<- dbind %>%
  mutate(groupe = resultat_classif$data.clust$clust)

ggplot(data=dbind,aes(x=Dim.1,y=-Dim.2))+
  ggtitle("Universités 2019")+
  geom_point(aes(color=groupe))+
  geom_text_repel(aes(color=groupe,label=Sigle),size=3)+
  geom_hline(yintercept=0,linetype="dashed")+
  geom_vline(xintercept = 0,linetype="dashed")+
  theme(plot.title=element_text(hjust=0.5),legend.position=c(.95,.9),
        panel.background =element_rect(fill="white"),legend.title=element_blank())+
  xlab(paste("Axe 1 :",round(resultat_ACP$eig[1,2],0),"%"))+
  ylab(paste("Axe 2 :",round(resultat_ACP$eig[2,2],0),"%"))