require(rworldmap)
require(ggplot2)

theCountries <- c("DE", "US", "BR")
# These are the ISO3 names of the countries you'd like to plot in red

malDF <- data.frame(country = c("DE", "US", "BR", "ZA"), malaria = c(2000, 2001, 2002, 2002), news = c(2, 3, 0, 1))
# malDF is a data.frame with the ISO3 country names plus a variable to
# merge to the map data

malMap <- joinCountryData2Map(malDF, joinCode = "ISO2", nameJoinColumn = "country")
# This will join your malDF data.frame to the country map data

mapCountryData(malMap, nameColumnToPlot="malaria", catMethod = "categorical", missingCountryCol = gray(.8))
# And this will plot it, with the trick that the color palette's first
# color is red



# Absolute Frequ Newsfocus Map --------------------------------------------


# # Absolute Häufigkeiten der Highlights mit Bubbles
# malMap <- joinCountryData2Map(cl_supfoc_total, joinCode = "ISO2", nameJoinColumn = "code")
# mapBubbles( dF=malMap, nameZSize="total",nameZColour="GEO3major", 
#             colourPalette=c("black", "yellow", "blue", "orange", "red", "white", "green"),
#             oceanCol="lightblue",
#             landCol="wheat",
#             fill=TRUE,
#             symbolSize=0.5,
#             pch=21)

# Absolute Newfokus Häufigkeiten Welt:
absMap <- joinCountryData2Map(cl_supfoc_total, joinCode = "ISO2", nameJoinColumn = "code", verbose=TRUE)
mapCountryData(absMap, nameColumnToPlot="total", catMethod="fixedWidth",
               numCats=5,
               mapTitle="Anzahl Überraschungsfokusse weltweit",
               oceanCol="lightblue",
               missingCountryCol=gray(.9)
               )

# Absolute Newfokus Häufigkeiten EU-Asien-Nordafrika:
mapCountryData(absMap, nameColumnToPlot="total", catMethod="fixedWidth",
               numCats=5,
               mapTitle="Anzahl Überraschungsfokusse Nordafrika und Asien",
               oceanCol="lightblue",
               missingCountryCol=gray(.9),
               xlim=c(10,140),
               ylim=c(30,70)
               )



# Development Newsfocus over time -----------------------------------------


# Entwicklung der Surprising Focuses über die Jahre
cc <- ggplot(cl_supfoc_turn_mon, aes(month,highs))
cc <- cc + geom_histogram(fill="steelblue", stat="identity") 
cc <- cc + stat_smooth(size=1,colour="red",method="loess", se=FALSE)
cc <- cc + ggtitle("Zeitliche Entwicklung von plötzlichen Medienfokussen") + xlab("Einzelne Monate") + ylab("Plötzliche Medienfokusse")
cc


# Beispiel1: Jährliche Durchschnittsanzahl 2000-2014 der Nachrichten über Syrien
yearspan <- 2000:2014
avergdf <- getAverages(df = cl_stats, codecol = "code", code = "SY", yearspan = yearspan)

averg <- ggplot(data = avergdf, aes(x = year, y=averg))
averg + geom_line() + ggtitle("Durchschnittliche Nachrichten pro Jahr über Syrien") + xlab("Jahre") + ylab("Durchschnittliche Nachrichten")

# Beispiel2: Jährliche Durchschnittsanzahl 2000-2014 der Nachrichten über Israel
yearspan <- 2000:2014
avergdf <- getAverages(df = cl_stats, codecol = "code", code = "IL", yearspan = yearspan)

averg <- ggplot(data = avergdf, aes(x = year, y=averg))
averg + geom_line() + ggtitle("Durchschnittliche Nachrichten pro Jahr über Israel") + xlab("Jahre") + ylab("Durchschnittliche Nachrichten")