library(tidyverse)
library(lubridate)

########### Aufgabe 1
steam = read_csv('https://raw.githubusercontent.com/NikoStein/dma_data/main/steam.csv')

# Welche Spiele hatten im Februar 2021 die meisten durchschnittlichen Nutzer?
steam %>%
  arrange(-avg) %>%
  filter(month == 'February', 
         year == 2021)


# Welche Spiele hatten im Jahr 2020 die meisten durchschnittlichen Nutzer?
steam %>%
  filter(year == 2020) %>%
  group_by(gamename) %>%
  summarise(avg_year = mean(avg)) %>%
  arrange(-avg_year)


# Bestimmen sie alle Spiele die in der Vergangenheit in mindestens einem Monat am 
## beliebtesten waren. Wie oft waren die jeweiligen Spiele auf Platz 1? 
steam %>%
  group_by(year, month) %>%
  filter(avg == max(avg)) %>%
  group_by(gamename) %>%
  summarise(count = n()) %>%
  arrange(-count)
  




########### Aufgabe 2
covid19 = read_csv('https://opendata.arcgis.com/api/v3/datasets/dd4580c810204019a7b8eb3e0b329dd6_0/downloads/data?format=csv&spatialRefId=4326')
bundeslaender = read_csv('https://raw.githubusercontent.com/NikoStein/dma_data/main/bundeslaender.csv')
kreise = read_csv('https://raw.githubusercontent.com/NikoStein/dma_data/main/gemeinden.csv')

covid19 %>%
  mutate(Meldedatum = ymd_hms(Meldedatum),
         Datenstand = dmy_hm(Datenstand),
         Refdatum = ymd_hms(Refdatum)) -> covid19


# Wie viele Personen sind bisher in Deutschland an COVID-19 erkrankt? 
## Wie viele Personen sind davon verstorben, wieder genesen oder noch immer infiziert?
covid19 %>%
  summarise(erkrankt = sum(AnzahlFall),
            genesen = sum(AnzahlGenesen),
            verstorben = sum(AnzahlTodesfall)) %>%
  mutate(infiziert = erkrankt - genesen - verstorben)


# Reporten Sie die Anzahl der Erkrankten je Altersgruppe.
covid19 %>%
  group_by(Altersgruppe, Geschlecht) %>%
  summarise(erkrankt = sum(AnzahlFall),
            genesen = sum(AnzahlGenesen),
            verstorben = sum(AnzahlTodesfall)) %>%
  mutate(infiziert = erkrankt - genesen - verstorben)



# In welchem Monat sind bisher die meisten Personen in Deutschland erkrankt?
covid19 %>%
  mutate(jahr = year(Refdatum),
         monat = month(Refdatum)) %>%
  group_by(jahr, monat) %>%
  summarise(erkrankt = sum(AnzahlFall)) %>%
  arrange(-erkrankt)



# Berechnen Sie die Zahl der täglichen Neuinfektionen sowie die Zahl der kumulierten 
## Infektionen auf Bundeslandebene
covid19 %>%
  group_by(Bundesland, Refdatum) %>%
  summarise(neuinfektion = sum(AnzahlFall), BL_ID = first(IdBundesland)) %>%
  arrange(Bundesland, Refdatum) %>%
  group_by(Bundesland) %>%
  mutate(kummulierteInfektionen = cumsum(neuinfektion)) -> covid19_bundeslaender
covid19_bundeslaender

# Berechnen Sie die tägliche 7-Tage-Inzidenz der einzelnen Bundesländer. 
## Einwohnerzahlen der Bundesländer finden Sie im Data Frame „bundeslaender“.
covid19_bundeslaender %>%
  group_by(Bundesland) %>%
  mutate(neuinfektion7d = kummulierteInfektionen - lag(kummulierteInfektionen, 7, default = 0)) %>%
  left_join(bundeslaender) %>%
  mutate(inzidenz7d = neuinfektion7d/EWZ_BL*100000) -> covid19_inzidenz


# Reporten Sie für jedes Bundesland den Tag mit der höchsten Inzidenz sowie den zugehörigen Inzidenzwert.
covid19_inzidenz %>%
  group_by(Bundesland) %>%
  summarise(datum = Refdatum[inzidenz7d == max(inzidenz7d)],
            inzidenz = max(inzidenz7d))

# Berechnen Sie die tägliche 7-Tage-Inzidenz der einzelnen Kreise. Einwohnerzahlen der Kreise finden 
## Sie im Data Frame „kreise“. Welche 10 Kreise sind momentan am stärksten betroffen? Welche am wenigsten stark?