1) Popis a voľba databázy

Databáza: Eurostat – Unemployment rate (annual series), UNE_RT_A (linear export).
Cieľ: základné spracovanie časovej rady (ročné údaje).
Súbor: une_rt_a__custom_18696257_linear.csv (nahrať do projektu, ideálne do data/).
RPubs: doplniť po publikovaní.

2) Načítanie CSV

file_path <- "une_rt_a__custom_18696257_linear.csv"
if (!file.exists(file_path)) {
  candidates <- c(
    "data/une_rt_a__custom_18696257_linear.csv",
    "Data/une_rt_a__custom_18696257_linear.csv",
    "datasets/une_rt_a__custom_18696257_linear.csv",
    "Downloads/une_rt_a__custom_18696257_linear.csv"
  )
  hit <- candidates[file.exists(candidates)]
  if (length(hit) > 0) file_path <- hit[1]
}
if (!file.exists(file_path)) {
  rec <- Sys.glob("**/une_rt_a__custom_18696257_linear.csv")
  if (length(rec) > 0) file_path <- rec[1]
}
if (!file.exists(file_path)) {
  stop(paste0(
    "CSV sa nenašlo v pracovnom priečinku: ", getwd(),
    "\nNahraj súbor do koreňa projektu alebo do priečinka data/ a skús znova."
  ))
}

raw <- readr::read_csv(file_path, show_col_types = FALSE) %>% clean_names()
DT::datatable(head(raw, 10), options = list(pageLength = 5), caption = "Náhľad pôvodných dát")

3) Čistenie a automatický výber filtrov (age/sex/unit/freq)

# Očakávané názvy stĺpcov v Eurostat linear exporte po clean_names():
# geo, time_period, obs_value, age, sex, unit, freq, obs_flag

stopifnot(all(c("geo","time_period","obs_value") %in% names(raw)))

df <- raw %>% select(geo, time_period, obs_value,
                     any_of(c("age","sex","unit","freq")))

# Helper: vyberie najvhodnejšiu hodnotu (preferuje vzor)
pick_level <- function(x, prefer = NULL, pattern = NULL){
  x <- as.character(x)
  x <- x[!is.na(x)]
  if (!length(x)) return(NA_character_)
  tab <- sort(table(x), decreasing = TRUE)
  cand <- names(tab)
  if (!is.null(pattern)) {
    hits <- cand[grepl(pattern, cand, ignore.case = TRUE)]
    if (length(hits)) return(hits[1])
  }
  if (!is.null(prefer) && prefer %in% cand) return(prefer)
  cand[1]
}

age_pick  <- if ("age"  %in% names(df)) pick_level(df$age,  pattern = "15|15-24|y15") else NA_character_
sex_pick  <- if ("sex"  %in% names(df)) { if ("T" %in% df$sex) "T" else pick_level(df$sex,  pattern = "T|total|both") } else NA_character_
unit_pick <- if ("unit" %in% names(df)) pick_level(df$unit, pattern = "^PC|PCT|percent") else NA_character_
freq_pick <- if ("freq" %in% names(df)) { if ("A" %in% df$freq) "A" else pick_level(df$freq, pattern = "A|annual") } else NA_character_

message("Použité filtre -> ",
        "age='",  age_pick,  "', ",
        "sex='",  sex_pick,  "', ",
        "unit='", unit_pick, "', ",
        "freq='", freq_pick, "'")

dat <- df %>%
  { if (!is.na(age_pick))  filter(., age  == age_pick) else . } %>%
  { if (!is.na(sex_pick))  filter(., sex  == sex_pick) else . } %>%
  { if (!is.na(unit_pick)) filter(., unit == unit_pick) else . } %>%
  { if (!is.na(freq_pick)) filter(., freq == freq_pick) else . } %>%
  transmute(
    geo   = factor(geo),
    year  = as.integer(time_period),
    value = suppressWarnings(as.numeric(obs_value))
  ) %>%
  group_by(geo, year) %>%
  summarise(value = mean(value, na.rm = TRUE), .groups = "drop") %>%
  arrange(geo, year)

# Ak hodnoty vyzerajú ako podiely (0–1), prepočítame na %
if (max(dat$value, na.rm = TRUE) <= 1.5) {
  dat <- mutate(dat, value = value * 100)
  message("Poznámka: hodnoty boli v podiele (0–1) → prepočítané na percentá.")
}

# Ak sa nájde mimo 0–100, necháme NA a upozorníme
if (any(dat$value < 0 | dat$value > 100, na.rm = TRUE)) {
  n_bad <- sum(dat$value < 0 | dat$value > 100, na.rm = TRUE)
  message("Upozornenie: ", n_bad, " hodnôt mimo 0–100 % → nahradené NA.")
  dat <- dat %>% mutate(value = ifelse(value < 0 | value > 100, NA_real_, value))
}

# Prehľad dostupných krajín a rokov
dat %>%
  group_by(geo) %>%
  summarise(min_year = min(year, na.rm = TRUE),
            max_year = max(year, na.rm = TRUE),
            n_years  = dplyr::n()) %>%
  kbl(caption = "Rozsah rokov v dátach po filtrovaní") %>%
  kable_classic(full_width = FALSE)
Rozsah rokov v dátach po filtrovaní
geo min_year max_year n_years
Germany 2014 2024 11
Slovakia 2014 2024 11

4) Deskriptívna štatistika

desc <- dat %>%
  group_by(geo) %>%
  summarise(
    n      = dplyr::n(),
    min    = min(value, na.rm = TRUE),
    q1     = quantile(value, 0.25, na.rm = TRUE),
    mean   = mean(value, na.rm = TRUE),
    median = median(value, na.rm = TRUE),
    q3     = quantile(value, 0.75, na.rm = TRUE),
    max    = max(value, na.rm = TRUE),
    sd     = sd(value, na.rm = TRUE),
    .groups = "drop"
  )

desc %>%
  mutate(across(where(is.numeric), ~round(.x, 2))) %>%
  kbl(caption = "Deskriptívne štatistiky – miera nezamestnanosti (%)") %>%
  kable_classic(full_width = FALSE)
Deskriptívne štatistiky – miera nezamestnanosti (%)
geo n min q1 mean median q3 max sd
Germany 11 5.9 6.3 6.96 7 7.6 8.2 0.80
Slovakia 11 15.8 19.5 21.35 20 22.0 31.0 4.46

5) Časový graf (správne percentá + automatický výber krajín)

# Uprednostníme Slovensko/Nemecko, ak sú v dataset-e; inak vykreslíme všetky
preferred <- c("Slovakia","Germany","SK","DE","Slovensko","Deutschland")
geos_in   <- intersect(preferred, unique(as.character(dat$geo)))
dat_plot  <- if (length(geos_in)) filter(dat, geo %in% geos_in) else dat

# Odstrániť NA a skontrolovať, že niečo zostalo
dat_plot <- dat_plot %>% filter(!is.na(year), !is.na(value))
if (nrow(dat_plot) == 0) stop("Po filtrovaní nezostali žiadne hodnoty na vykreslenie.")

ggplot(dat_plot, aes(x = year, y = value, color = geo)) +
  geom_line(linewidth = 1) +
  geom_point(size = 2) +
  scale_x_continuous(breaks = scales::pretty_breaks()) +
  scale_y_continuous(labels = scales::label_number(accuracy = 0.1, suffix = "%")) +
  labs(title = "Nezamestnanosť (ročné hodnoty)",
       subtitle = "Zdroj: Eurostat UNE_RT_A | mierka: percentá",
       x = "Rok", y = "Miera nezamestnanosti", color = "Krajina") +
  theme_minimal(base_size = 12)

6) Textová poznámka

  • Dáta sú ročné (%), graf zachytáva základný trend.
  • Na ďalších hodinách môžeme pridať YoY zmeny, korelácie, príp. ARIMA/ETS.