Move project into different files

global.R

@@ -0,0 +1,98 @@
+library(rjson)
+# Json of Crime Reports
+crime_json <- fromJSON(file="data.json")
+get_bezirk_by_stadtteil <- function(name) {
+  parents <- names(crime_json)[sapply(crime_json, function(item) name %in% names(item))]
+  
+  if (length(parents) == 0) return(NULL)
+  parents
+}
+
+map_data_to_table <- function(bezirk, stadtteil, year) {
+  year <- as.character(trimws(year))
+  map_df(names(crime_json[[bezirk]][[stadtteil]]), function(crime) {
+    row <- crime_json[[bezirk]][[stadtteil]][[crime]][[year]]
+    
+    tibble(
+      Name = crime,
+      `Erfasste Fälle`      = as.integer(row[["Erfasste Fälle"]]),
+      `Aufgeklärte Fälle`   = as.integer(row[["Aufgeklärte Fälle"]]),
+      `Aufklärung relativ`  = paste(row[["Aufklärung relativ"]], "%", sep=""),
+    )
+  })
+}
+
+map_data_to_top3_plot <- function(bezirk, stadtteil, year) {
+  year <- as.character(trimws(year))
+  req(bezirk)
+  req(stadtteil)
+  req(year)
+  komplettes_tibble <- map_df(names(crime_json[[bezirk]][[stadtteil]]), function(crime) {
+    row <- crime_json[[bezirk]][[stadtteil]][[crime]][[year]]
+    tibble(
+      Name = str_wrap(crime, width = 25),
+      Erfasst = as.integer(row[["Erfasste Fälle"]]),
+    )
+  })
+  # Sortieren und Beschränken auf die Ränge 2, 3 und 4
+  top_3_tibble <- komplettes_tibble %>%
+    # Sortieren: Absteigend nach "Erfasste Fälle". Der höchste Wert ist nun in Zeile 1.
+    arrange(desc(Erfasst)) %>% 
+    # Beschränken: Wählt die Zeilen 2, 3 und 4 aus.
+    # Dies sind die Ränge 2, 3 und 4.
+    slice(2:4)
+  
+  return(top_3_tibble)
+}
+
+get_intensity_df <- function(crime_json, delikt, jahr = "2024", feld = "Erfasste Fälle") {
+  do.call(rbind, lapply(names(crime_json), function(bezirk) {
+    stadtteile <- crime_json[[bezirk]]
+    data.frame(
+      bezirk = bezirk,
+      stadtteil = names(stadtteile),
+      intensity = sapply(stadtteile, function(st) {
+        
+        # sicherer Zugriff (verhindert Fehler bei fehlenden Einträgen)
+        val <- st[[delikt]][[jahr]][[feld]]
+        
+        if (is.null(val)) NA else val
+      }),
+      row.names = NULL
+    )
+  }))
+}
+
+#GeoJson for Bezirke
+geo_bezirke <- st_read("geobezirke-parsed.json")
+geo_bezirke <- st_transform(geo_bezirke, crs = 4326)
+geo_bezirke$leaflet_id <- paste("bez_", geo_bezirke$bezirk, sep="")
+
+#GeoJson for Stadtteile
+geo_stadtteile <- st_read("geostadtteile-parsed.json")
+geo_stadtteile <- st_transform(geo_stadtteile, crs = 4326)
+geo_stadtteile$leaflet_id <- paste("std_", geo_stadtteile$stadtteil, sep="")
+bezirke <- sort(names(crime_json))
+
+list_of_crimes <- sort(c(unique(unlist(
+  lapply(crime_json, function(a) {
+    unlist(
+      lapply(a, function(b) {
+        names(b)
+      }),
+      use.names = FALSE
+    )
+  }),
+  use.names = FALSE
+)), ""))
+
+auswahlmöglichkeiten <- crime_json %>%
+  # 1. map(names) wendet names() auf jedes Element der ersten Ebene, wie Bezirke ("A", "B", "C") an.
+  #    Ergebnis: Eine Liste von Vektoren (z.B. list(c("aa1", "aa2"), c("bb1", "bb2"), c("cc1"))), hier: Stadtteile
+  map(names) %>%
+  # 2. unlist() vereint alle diese Vektoren zu einem einzigen Vektor.
+  #    Ergebnis: c("aa1", "aa2", "bb1", "bb2", "cc1")
+  unlist() %>%
+  # 3. unique(): auf Nummer sicher gehen, dass die Stadtteile alle eindeutig sind.
+  unique() %>%
+  sort()