###     Data Processing for 
###     "Vernetzung und Verflechtung: J. Rieter-Biedermann auf dem internationalen Musikalienmarkt"
###     published in Musiktheorie 1/2026
###     R-script by Dr. Maximilian Rosenthal, University of Bonn, 10/06/2025, 
###     last edited 20/01/26.
###     Original dataset from https://musikverlage.slub-dresden.de/fileadmin/user_upload/Datenabzug_Oktober_2023.zip (version 10/23).
###     For documentation see ibid.
###     Variable names are kept in German in alignment with original dataset.
###     Not all operations in this script are featured in the paper.

# load packages and dataset
pacman::p_load(pacman, tidyverse, tidyr, dplyr, ggplot2, lubridate, rio,  magrittr, stringi, scales)
Abzug_polished_5b<-read.csv("master_2.csv") #fileEncoding = "UTF-8"

#00) extract relevant data from dataset, add variables JAHR and ERSCHEINUNGSJAHR (per Teilartikel!)
RB0<-Abzug_polished_5b%>%
  mutate(VERLAG=substr(MVDB_ID, 0,2))%>%
  mutate(JAHR=year(DRUCKDATUM))%>%
  filter(VERLAG=="RB")%>%
  group_by(MVDB_ID)%>%
  mutate(ERSCHEINUNGSJAHR = min(JAHR))%>%
  ungroup()
rm(Abzug_polished_5b)
#fix individual mistakes in relevant variables: 1) reintroduce NAs previously overwritten, 2) fix weltlich/geistlich-categorizations in invidiual cases, and apply "Orgel" as separate category
RB0<-RB0%>%
  mutate( #mutate organ
    SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH=ifelse(KOMBINIERTE_BESETZUNG_REAL=="Orgel", "Orgel", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate( #NA1
    SUM_KOMB_BESETZUNG_REAL_V.I = ifelse(is.na(KOMBINIERTE_BESETZUNG_REAL_VOKAL.INSTRUMENTAL), NA, SUM_KOMB_BESETZUNG_REAL_V.I))%>%
  mutate( #NA2
    SUM_KOMB_BESETZUNG_REAL_ENSEMBLE.SOLO = ifelse(is.na(KOMBINIERTE_BESETZUNG_REAL_EINZELN.ENSEMBLE), NA, SUM_KOMB_BESETZUNG_REAL_ENSEMBLE.SOLO))%>%
  mutate( #NA3
    SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(is.na(KOMBINIERTE_GENRES_REAL_SPHAEREN), NA, SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate( #NA4
    SUM_KOMB_GENRE_REAL_VOR1800 = ifelse(is.na(KOMBINIERTE_GENRES_REAL_VOR1800), NA, SUM_KOMB_GENRE_REAL_VOR1800))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00569", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_00734", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_00735", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_01374", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_01375Y", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_01894", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_01896", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_02404", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_02467", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID== "RB_02468", "weltlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00084", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00084", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00084", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00112", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00135", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00216a", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00262", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00264", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00278", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00280", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00304", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00368", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00457", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00497", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00498", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00505", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00506", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00514", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00515", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00548", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00549", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00610", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00611", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00614", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00757", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00758", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00759", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00760", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00858", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_00859", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_01022", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_01055", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_01197a", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_01996", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_01998", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02153", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02200", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02266", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02278", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02281", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02522", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02523", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02525", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02607", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02861", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02931", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02935", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02938", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>% 
  mutate(SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH = ifelse(VERLAGSARTIKEL_ID == "RB_02946", "geistlich", SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH))%>%
  mutate(DRUCKDATUM = ifelse(DRUCK_UID =="61722", "1895-11-01", DRUCKDATUM))

#01) calculate number of issued and reissued  subitems p.a.(omitting NAs n=81!)
RB_YEARLY_SUBEDS<-RB0%>%select(MVDB_ID, JAHR)%>%
  unique%>%
  na.omit()%>%
  group_by(JAHR)%>%
  tally()
#calculate number of issued and reissued editions p.a.(omitting NAs n=50!)
RB_YEARLY_EDS<-RB0%>%select(VERLAGSARTIKEL_ID, JAHR)%>%
  unique%>%
  na.omit%>%
  group_by(JAHR)%>%
  tally()
#calculate number of first issued subitems p.a. (omitting NAs n=81!)
RB_YEARLY_NEW_SUBEDS<-RB0%>%select(MVDB_ID, ERSCHEINUNGSJAHR)%>%
    unique%>%
    na.omit()%>%
    group_by(ERSCHEINUNGSJAHR)%>%
    tally()%>%
    add_row(ERSCHEINUNGSJAHR = 1918, n = 0, .before = 63)
#calculate number of first issued editions p.a., based on the earliest subitem per edition (omitting NAs n=50!)
RB_YEARLY_NEW_EDS<-RB0%>%select(VERLAGSARTIKEL_ID, ERSCHEINUNGSJAHR)%>%
  unique%>%
  group_by(VERLAGSARTIKEL_ID)%>%
  mutate(ERSTERSCHEINUNGSJAHR=min(ERSCHEINUNGSJAHR))%>%
  ungroup()%>%
  select(VERLAGSARTIKEL_ID, ERSTERSCHEINUNGSJAHR)%>%
  unique%>%
  na.omit()%>%
  group_by(ERSTERSCHEINUNGSJAHR)%>%
  tally()%>%
  add_row(ERSTERSCHEINUNGSJAHR = 1916, n = 0, .before = 61)%>%
  add_row(ERSTERSCHEINUNGSJAHR = 1918, n = 0)%>%
  add_row(ERSTERSCHEINUNGSJAHR = 1919, n = 0)
#merge data and prepare for plotting with ggplot
RB_EDS<-RB_YEARLY_EDS%>%
  left_join(RB_YEARLY_SUBEDS, join_by(JAHR))%>%
  left_join(RB_YEARLY_NEW_EDS, join_by(JAHR == ERSTERSCHEINUNGSJAHR))%>%
  left_join(RB_YEARLY_NEW_SUBEDS, join_by(JAHR == ERSCHEINUNGSJAHR))%>%
  rename("AUSGABEN_P.A." = n.x)%>%
  rename("TEILAUSGABEN_P.A." = n.y)%>%
  rename("NEUAUSGABEN_P.A." = n.x.x)%>%
  rename("NEUE_TEILAUSGABEN_P.A." = n.y.y)%T>%
  write.csv(., "1_Jährliche_Neu-_und_Wiederherausgaben.csv")%>% #write .csv before pivoting
  pivot_longer(!JAHR, names_to = "VARIABLE", values_to = "ANZAHL")
#plot
ABB_1<-ggplot(RB_EDS, aes(x = JAHR, y = ANZAHL, color = VARIABLE)) +
  scale_colour_grey()+
  geom_line() +
  geom_point(aes(shape = VARIABLE), size = 0.7)+
  geom_smooth(method = "loess", span = 0.4, se = FALSE, linetype = "dashed", linewidth = 0.5) + #LOESS span reduced from default 0.75 to 0.4 to account for local fluctuations
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(breaks=seq(0,600, by=50))+
  labs(title="Jährliche Neu- und Wiederherausgaben bei RB",
       subtitle = "mit LOESS-geglätteten Trendkurven")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)  )
ggsave(filename = "Abbildungen/Abb_1.png", plot = ABB_1, width = 13, height = 10, dpi = 300, units = "cm")

#02) calculate number of annual prints (raw)
RB_YEARLY_PRINTS<-RB0%>%
    select(DRUCK_UID, DRUCKMENGE, DRUCKMENGE_BEREINIGT, DRUCKDATUM, JAHR)%>%
    unique%>%
    na.omit()%>%
    group_by(JAHR)%>%
    summarise(TOTAL=sum(DRUCKMENGE))
#calculate number of annual prints (adjusted)
RB_YEARLY_PRINTS_ADJUSTED<-RB0%>%
    select(DRUCKMENGE_BEREINIGT, DRUCKDATUM, DRUCK_UID, JAHR)%>%
    unique%>%
    na.omit()%>%
    group_by(JAHR)%>%
    summarise(TOTAL_BEREINIGT = sum(DRUCKMENGE_BEREINIGT))
#merge data and prepare for plotting with ggplot
RB_PRINTS<-RB_YEARLY_PRINTS%>%
  left_join(RB_YEARLY_PRINTS_ADJUSTED, join_by(JAHR))%>%
  rename("DRUCKE" = TOTAL)%>%
  rename("DRUCKE_BEREINIGT" = TOTAL_BEREINIGT)%T>%
  write.csv(., "2_Jährliche_Drucke_roh_und_bereinigt_bei_RB.csv")%>% #export before pivoting
  pivot_longer(!JAHR, names_to = "VARIABLE", values_to = "DRUCKMENGE")
ABB_2<-ggplot(RB_PRINTS, aes(x=JAHR, y=DRUCKMENGE, color = VARIABLE))+
  scale_colour_grey()+
  geom_line() +
  geom_point(aes(shape = VARIABLE), size = 0.7)+
  geom_smooth(method = "loess", span = 0.4, se = FALSE, linetype = "dashed", linewidth = 0.5) + #LOESS span reduced from default 0.75 to 0.4 to account for local fluctuations
    scale_x_continuous(breaks=seq(1855, 1920, by=5))+
    scale_y_continuous(breaks=seq(0,120000, by=10000))+
    labs(title="Druckmengen von RB über Zeit",
         subtitle = "mit LOESS-geglätteten Trendkurven")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
ggsave(filename = "Abbildungen/Abb_2.png", plot = ABB_2, width = 13, height = 10, dpi = 300, units = "cm")


#03) calculate percentage of living vs. dead composers, removing NAs (= entries without date)
###adjust percentages! see adjusted script l. 182 (not perfcet, but ggood); also adjust for adjusted prints!!

#RB_DEAD<-RB0%>%
#  select(AUSGABENTITEL, MVDB_ID, KOMPONIST_STERBEDATUM, DRUCK_UID, DRUCKMENGE, DRUCKDATUM, ERSCHEINUNGSJAHR, JAHR)%>%
#  unique%>%
#  mutate(
#    DEAD = ifelse(KOMPONIST_STERBEDATUM=="", "NA", #set "dead" if "Sterbedatum" < current "Jahr"
#                  ifelse(KOMPONIST_STERBEDATUM<JAHR, "alive", "dead")))%>%
#  group_by(JAHR, DEAD)%>%
#  summarise(TOTAL_P=sum(DRUCKMENGE))%>%
#  filter(!is.na(JAHR))%>%
#  left_join(RB_YEARLY_PRINTS, by=c("JAHR"))%>% # calculate percentage by matching RB_YEARLY_PRINTS
#  mutate(ANTEIL=(TOTAL_P/TOTAL*100))
RB_DEAD<-RB0%>%
  select(AUSGABENTITEL, MVDB_ID, KOMPONIST, KOMBINIERTE_KOMPONISTEN, KOMPONIST_STERBEDATUM, DRUCK_UID, DRUCKMENGE, DRUCKDATUM, ERSCHEINUNGSJAHR, JAHR)%>%
  unique%>%
  group_by(KOMBINIERTE_KOMPONISTEN, DRUCK_UID)%>%
  filter(!(is.na(KOMPONIST) & any(!is.na(KOMPONIST)))) %>%
  ungroup%>%
  mutate(
    STATUS =  ifelse(KOMPONIST_STERBEDATUM=="", "NA", #set "dead" if "Sterbedatum" < current "Jahr"
                   ifelse(KOMPONIST_STERBEDATUM<JAHR, "verstorben", "lebend")))%>%
  select(-KOMPONIST, -KOMPONIST_STERBEDATUM, -KOMBINIERTE_KOMPONISTEN)%>%
  unique%>%
  group_by(JAHR, STATUS)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE))%>%
  filter(!is.na(JAHR))%>%
  left_join(RB_YEARLY_PRINTS, by=c("JAHR"))%>% # calculate percentage by matching RB_YEARLY_PRINTS
  mutate(ANTEIL=(TOTAL_P/TOTAL*100))
write.csv(RB_DEAD, "3a_Anteile_lebende_vs_verstorbene_Komponist_innen_bei_RB.csv")
#plot
ABB_3a<-ggplot(RB_DEAD, aes(x=JAHR, y=ANTEIL, color = STATUS))+
  scale_colour_grey()+
  geom_line()+
  geom_point(aes(shape = STATUS), size = 0.7)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(breaks=seq(0,100, by=10))+
  labs(title="Anteile lebende vs. verstorbene Komponist*innen", y="ANTEIL in %", color="Status", shape = "Status",
       subtitle="an Drucken von RB")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
  #labs(title="RB prints, shares of living vs. dead composers", y="Share in %", x="Year", color="Status")
ggsave(filename = "Abbildungen/Abb_3a.png", plot = ABB_3a, width = 13, height = 10, dpi = 300, units = "cm")
#calculate percentage of living vs. dead composers (adjusted), removing NAs (= entries without date)
RB_DEAD_ADJUSTED<-RB0%>%
  select(AUSGABENTITEL, MVDB_ID, KOMPONIST_STERBEDATUM, DRUCK_UID, DRUCKMENGE_BEREINIGT, DRUCKDATUM, ERSCHEINUNGSJAHR, JAHR)%>%
  unique%>%
  mutate(
    STATUS = ifelse(KOMPONIST_STERBEDATUM=="", "NA", 
                  ifelse(KOMPONIST_STERBEDATUM<JAHR, "verstorben", "lebend")))%>%
  group_by(JAHR, STATUS)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE_BEREINIGT))%>%
  filter(!is.na(JAHR))%>%
  left_join(RB_YEARLY_PRINTS_ADJUSTED, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL_BEREINIGT*100))
write.csv(RB_DEAD_ADJUSTED, "3b_Anteile_lebende_vs._verstorbene_Komponist_innen_bei_RB_bereinigt.csv")
#plot
ABB_3b<-ggplot(RB_DEAD_ADJUSTED, aes(x=JAHR, y=ANTEIL, color = STATUS))+
  scale_colour_grey()+
  geom_line()+
  geom_point(aes(shape = STATUS), size = 0.7)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(name="Anteil in %", breaks=seq(0,100, by=10))+
  labs(title="Anteile lebende vs. verstorbene Komponist*innen", y="ANTEIL in %", color="Status", shape = "Status",
       subtitle="an Drucken (bereinigt) von RB")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
ggsave(filename = "Abbildungen/Abb_3b.png", plot = ABB_3b, width = 13, height = 10, dpi = 300, units = "cm")

#04) calculate percentage of arrangements ("Bearbeitungen"), removing NAs (= entries without date)
RB_ARRANGEMENTS<-RB0%>%
  select(DRUCK_UID, DRUCKDATUM, DRUCKMENGE, VERLAGSARTIKEL_TYP, JAHR, ERSCHEINUNGSJAHR)%>%
  unique%>%
  mutate(VERLAGSARTIKEL_TYP=ifelse(VERLAGSARTIKEL_TYP=="collection blackbox", "collection", 
                                  ifelse(VERLAGSARTIKEL_TYP=="collection full", "collection", VERLAGSARTIKEL_TYP)
                                  ))%>% # merge collection types into one value
  group_by(JAHR, VERLAGSARTIKEL_TYP)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE))%>%
  filter(!is.na(JAHR))%>%
  filter(VERLAGSARTIKEL_TYP!="")%>% #remove one empty line in 1885, which is a data error
  left_join(RB_YEARLY_PRINTS, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL*100))
write.csv(RB_ARRANGEMENTS, "4a_Anteil_unterschiedlicher_Publikationstypen.csv")
#plot
ABB_4a<-ggplot(RB_ARRANGEMENTS, aes(x=JAHR, y=ANTEIL, color=VERLAGSARTIKEL_TYP))+
  scale_colour_grey()+
  geom_line(size = 0.5)+
  geom_point(aes(shape = VERLAGSARTIKEL_TYP), size = 0.5)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(name="ANTEIL in %", breaks=seq(0,100, by=10))+
  labs(title="Anteil unterschiedlicher Publikationstypen",
       subtitle="an den Drucken bei RB")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
ggsave(filename = "Abbildungen/Abb_4a.png", plot = ABB_4a, width = 13, height = 10, dpi = 300, units = "cm")
#calculate percentage arrangements ("Bearbeitungen") adjusted, removing NAs (= entries without date)
RB_ARRANGEMENTS_ADJUSTED<-RB0%>%
  select(DRUCK_UID, DRUCKDATUM, DRUCKMENGE_BEREINIGT, VERLAGSARTIKEL_TYP, JAHR, ERSCHEINUNGSJAHR)%>%
  unique%>%
  mutate(VERLAGSARTIKEL_TYP=ifelse(VERLAGSARTIKEL_TYP=="collection blackbox", "collection", 
                                   ifelse(VERLAGSARTIKEL_TYP=="collection full", "collection", VERLAGSARTIKEL_TYP)
                                    ))%>% # merge collection types into one value
  group_by(JAHR, VERLAGSARTIKEL_TYP)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE_BEREINIGT))%>%
  filter(!is.na(JAHR))%>%
  filter(VERLAGSARTIKEL_TYP!="")%>% #remove one empty line in 1885, which is a data error
  left_join(RB_YEARLY_PRINTS_ADJUSTED, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL_BEREINIGT*100))
write.csv(RB_ARRANGEMENTS_ADJUSTED, "4b_Anteil_unterschiedlicher_Publikationstypen.csv")
#plot
ABB_4b<-ggplot(RB_ARRANGEMENTS_ADJUSTED, aes(x=JAHR, y=ANTEIL, color=VERLAGSARTIKEL_TYP))+
  scale_colour_grey()+
  geom_line(size = 0.5)+
  geom_point(aes(shape = VERLAGSARTIKEL_TYP), size = 0.5)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(name="ANTEIL in %", breaks=seq(0,100, by=10))+
  labs(title="Anteil unterschiedlicher Publikationstypen",
       subtitle="an den Drucken (bereinigt) bei RB")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
ggsave(filename = "Abbildungen/Abb_4b.png", plot = ABB_4b, width = 13, height = 10, dpi = 300, units = "cm")
#05) calculate percentage of Brahms prints, removing NAs (= entries without date = no recorded prints) 
RB_BRAHMS<-RB0%>%
  select(AUSGABENTITEL, MVDB_ID, KOMBINIERTE_KOMPONISTEN, DRUCK_UID, DRUCKMENGE, DRUCKDATUM, JAHR)%>%
  unique%>%
  mutate(BRAHMS = ifelse(grepl("Brahms", KOMBINIERTE_KOMPONISTEN), "Brahms", "Andere"))%>%
  group_by(JAHR, BRAHMS)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE))%>%
  filter(!is.na(JAHR))%>%
  left_join(RB_YEARLY_PRINTS, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL*100))
write.csv(RB_BRAHMS, "5a_Anteil_von_Brahms-Drucken_RB_roh.csv")
#plot
ABB_5a<-ggplot(RB_BRAHMS, aes(x=JAHR, y=ANTEIL, color=BRAHMS))+
  scale_colour_grey()+
  geom_line()+
  geom_point(aes(shape = BRAHMS), size = 0.7)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(breaks=seq(0,100, by=10))+
  labs(title="Anteil von Brahms-Drucken", y="ANTEIL in %", color="Komponist*in", shape= "Komponist*in",
       subtitle="an der Gesamtproduktion von RB")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
ggsave(filename = "Abbildungen/Abb_5a.png", plot = ABB_5a, width = 13, height = 10, dpi = 300, units = "cm")
#calculate percentage of Brahms prints (adjusted), removing NAs (= entries without date  = no recorded prints) 
RB_BRAHMS_ADJUSTED<-RB0%>%
  select(AUSGABENTITEL, MVDB_ID, KOMBINIERTE_KOMPONISTEN, DRUCK_UID, DRUCKMENGE_BEREINIGT, DRUCKDATUM, JAHR)%>%
  unique%>%
  mutate( BRAHMS = ifelse(grepl("Brahms", KOMBINIERTE_KOMPONISTEN), "Brahms", "Andere"))%>%
  group_by(JAHR, BRAHMS)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE_BEREINIGT))%>%
  filter(!is.na(JAHR))%>%
  left_join(RB_YEARLY_PRINTS_ADJUSTED, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL_BEREINIGT*100))
write.csv(RB_BRAHMS_ADJUSTED, "5b_Anteil_von_Brahms-Drucken_RB_bereinigt.csv")
#plot
ABB_5b<-ggplot(RB_BRAHMS_ADJUSTED, aes(x=JAHR, y=ANTEIL, color=BRAHMS))+
  scale_colour_grey()+
  geom_line()+
  geom_point(aes(shape = BRAHMS), size = 0.7)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(breaks=seq(0,100, by=10))+
  labs(title="Anteil von Brahms-Drucken", y="ANTEIL in %", color="Komponist*in", shape="Komponist*in", 
       subtitle="an der Gesamtproduktion (bereinigt)")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
  )
ggsave(filename = "Abbildungen/Abb_5b.png", plot = ABB_5b, width = 13, height = 10, dpi = 300, units = "cm")

#06) calculate number of annual prints of two descriptive variables on instrumentation and genre
#comparison of annual prints , "vokal" vs. "instrumental" (raw), removing NAs (= entries without prints)
RB_PROGRAM_1a<-RB0%>%select(VERLAGSARTIKEL_ID, AUSGABENTITEL, JAHR, DRUCKDATUM, DRUCKMENGE, DRUCK_UID, SUM_KOMB_BESETZUNG_REAL_V.I)%>%
  unique%>%
  filter(!is.na(DRUCKMENGE))%>%
  group_by(JAHR, SUM_KOMB_BESETZUNG_REAL_V.I)%>%
  summarise(TOTAL=sum(DRUCKMENGE))%>%
  pivot_wider(names_from = SUM_KOMB_BESETZUNG_REAL_V.I, values_from = TOTAL)%>%
  rename("VOKAL" = "vokal")%>%
  rename("INSTRUMENTAL" = "instrumental")
#comparison of annual prints "vokal" vs. "instrumental" (adjusted), removing NAs (= entries without prints)
RB_PROGRAM_1b<-RB0%>%select(VERLAGSARTIKEL_ID, AUSGABENTITEL, JAHR, DRUCKDATUM, DRUCKMENGE_BEREINIGT, DRUCK_UID, SUM_KOMB_BESETZUNG_REAL_V.I)%>%
  unique%>%
  filter(!is.na(DRUCKMENGE_BEREINIGT))%>%
  group_by(JAHR, SUM_KOMB_BESETZUNG_REAL_V.I)%>%
  summarise(TOTAL=sum(DRUCKMENGE_BEREINIGT))%>%
  pivot_wider(names_from = SUM_KOMB_BESETZUNG_REAL_V.I, values_from = TOTAL)%>%
  rename("VOKAL_BEREINIGT" = "vokal")%>%
  rename("INSTRUMENTAL_BEREINIGT" = "instrumental")%>%
  rename("NA_BEREINIGT" = "NA")
#merge data and prepare for plotting with ggplot, note: piano arrangements of vocal music are included in "instrumental"!
RB_PROGRAM_1<-RB_PROGRAM_1a%>%
  left_join(RB_PROGRAM_1b, join_by(JAHR))%T>%
  write.csv(., "6a_Jährliche_Drucke_Vokal_vs_Instrumentalmusik_bei_RB.csv")%>% #export before pivoting
  pivot_longer(!JAHR, names_to = "VARIABLE", values_to = "DRUCKMENGE")
#plot
ABB_6a<-ggplot(RB_PROGRAM_1, aes(x = JAHR, y = DRUCKMENGE, color = VARIABLE))+
  scale_colour_grey()+
  geom_line(size=0.5) +
  geom_point(aes(shape = VARIABLE), size = 0.5)+
  #geom_smooth(method = "loess", span = 0.4, se = FALSE, linetype = "dashed") +
  labs(title="Vokal- vs. Instrumentalmusik bei RB")+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(breaks=seq(0,70000, by=10000))+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
        )
ggsave(filename = "Abbildungen/Abb_6a.png", plot = ABB_6a, width = 13, height = 10, dpi = 300, units = "cm")
#comparison of annual prints , "weltlich" vs. "geistlich" (vs. "Orgel") raw, removing NAs (= entries without prints)
RB_PROGRAM_2a<-RB0%>%select(VERLAGSARTIKEL_ID, AUSGABENTITEL, JAHR, DRUCKDATUM, DRUCKMENGE, DRUCK_UID, SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH)%>%
  unique%>%
  filter(!is.na(DRUCKMENGE))%>%
  group_by(JAHR, SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH)%>%
  summarise(TOTAL = sum(DRUCKMENGE))%>%
  pivot_wider(names_from = SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH, values_from = TOTAL)%>%
  rename("GEISTLICH" = "geistlich")%>%
  rename("WELTLICH" = "weltlich")%>%
  rename("ORGEL" = "Orgel")#%T>%
#  write.csv(., "6b1 Jährliche Drucke weltliche vs geistliche Musik bei RB.csv")%>% #export before pivoting
#  pivot_longer(!JAHR, names_to = "VARIABLE", values_to = "DRUCKMENGE")
# ggplot(RB_PROGRAM_2a, aes(x = JAHR, y = DRUCKMENGE))+
#  geom_line(aes(col=VARIABLE))+
#  labs(title="Geistliche vs. weltliche Musik bei RB")+
#  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
#  scale_y_continuous(breaks=seq(0,70000, by=10000))
#comparison of annual prints , "weltlich" vs. "geistlich" (vs. "Orgel") adjusted, removing NAs (= entries without prints)
RB_PROGRAM_2b<-RB0%>%select(VERLAGSARTIKEL_ID, AUSGABENTITEL, JAHR, DRUCKDATUM, DRUCKMENGE_BEREINIGT, DRUCK_UID, SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH)%>%
  unique%>%
  filter(!is.na(DRUCKMENGE_BEREINIGT))%>%
  group_by(JAHR, SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH)%>%
  summarise(TOTAL = sum(DRUCKMENGE_BEREINIGT))%>%
  pivot_wider(names_from = SUM_KOMB_GENRE_REAL_GEISTLICH.WELTLICH, values_from = TOTAL)%>%
  rename("GEISTLICH_BEREINIGT" = "geistlich")%>%
  rename("WELTLICH_BEREINIGT" = "weltlich")%>%
  rename("ORGEL_BEREINIGT" = "Orgel")%>%
  rename("NA_BEREINIGT" = "NA")#%T>%
#  write.csv(., "6b2 Jährliche Drucke weltliche vs geistliche Musik bei RB.csv")%>% #export before pivoting
#  pivot_longer(!JAHR, names_to = "VARIABLE", values_to = "DRUCKMENGE")
# ggplot(RB_PROGRAM_2b, aes(x = JAHR, y = DRUCKMENGE))+
#  geom_line(aes(col=VARIABLE))+
#  labs(title="Geistliche vs. weltliche Musik bei RB")+
#  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
#  scale_y_continuous(breaks=seq(0,70000, by=10000))
#prepare for plotting
RB_PROGRAM_2<-RB_PROGRAM_2a%>%
  left_join(RB_PROGRAM_2b, join_by(JAHR))%T>%
  write.csv(., "6b_Jährliche_Drucke_weltliche_vs_geistliche_Musik_bei_RB.csv")%>% #export before pivoting
  pivot_longer(!JAHR, names_to = "VARIABLE", values_to = "DRUCKMENGE")
#plot
ABB_6b<-ggplot(RB_PROGRAM_2, aes(x = JAHR, y = DRUCKMENGE, color = VARIABLE))+
  scale_colour_grey()+
  geom_line(size=0.3)+
  geom_point(aes(shape = VARIABLE), size = 0.4)+
  labs(title="Geistliche vs. weltliche Musik bei RB")+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(breaks=seq(0,70000, by=10000))+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5)
        )
ggsave(filename = "Abbildungen/Abb_6b.png", plot = ABB_6b, width = 13, height = 10, dpi = 300, units = "cm")

#07) = Map of Networks

#07) show composers with geographic area codes other than Germany, Austria, Switzerland as annotated in GND data
RB_KOMP_INTERNATIONAL<-RB0%>%
  select(
    KOMBINIERTE_KOMPONISTEN, 
    KOMPONIST_GEOGRAPHIC_AREA_CODE, 
    VERLAGSARTIKEL_ID
  )%>%
  unique%>%
  filter(!grepl("XA-DE", KOMPONIST_GEOGRAPHIC_AREA_CODE))%>%
  filter(!grepl("XA-AT", KOMPONIST_GEOGRAPHIC_AREA_CODE))%>%
  filter(!grepl("XA-CH", KOMPONIST_GEOGRAPHIC_AREA_CODE))%>%
  filter(KOMPONIST_GEOGRAPHIC_AREA_CODE!="NA")%>%
 filter(KOMPONIST_GEOGRAPHIC_AREA_CODE!="")%>%
  filter(KOMPONIST_GEOGRAPHIC_AREA_CODE!="ZZ")%>%
  group_by(KOMBINIERTE_KOMPONISTEN, KOMPONIST_GEOGRAPHIC_AREA_CODE)%>%
  tally()
write.csv(RB_KOMP_INTERNATIONAL, "7a_Komponist_innen_außerhalb_deutschsprachiger_Länder_bei_RB_nach_GND_Area_Codes.csv")
#show composers total
RB_KOMP<-RB0%>%
  select(KOMBINIERTE_KOMPONISTEN)%>%
  unique
write.csv(RB_KOMP, "7b_Komponist_innen_im_Programm_von_RB.csv")
#Subtract 8 cases which are (1) doubles, or (2) NAs --> 424 - 8 = 416 different composers 

#08) calculate print quantities for different translations of Brahms' Requiem op. 45 (raw), as percentage of total production
RB_TRANSLATIONS<-RB0%>%
  select(VERLAGSARTIKEL_ID, TEIL, VERLAGSARTIKEL_ID, AUSGABENTITEL, WERK_GND_ID, DRUCK_UID, DRUCKDATUM, DRUCKMENGE, JAHR)%>%
  unique%>%
  filter(WERK_GND_ID=="300024975")%>%
  mutate(
    SPRACHE=ifelse(grepl("Engl", AUSGABENTITEL), "Englische AG",
                   ifelse(grepl("engl", AUSGABENTITEL), "Englische AG",
                          ifelse(grepl("Eng", TEIL), "Englische AG",
                                 "Deutsche AG"))))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_00822", "Französische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_00823", "Französische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_02247", "Italienische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_02259", "Italienische AG", SPRACHE))%>%
  mutate(ENGLISCH = ifelse(VERLAGSARTIKEL_ID=="RB_02544", "Englische AG", SPRACHE))%>%
  select(!WERK_GND_ID)%>%
  filter(SPRACHE != "Deutsche AG")%>%
  unique%>%
  group_by(JAHR, SPRACHE)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE))%>%
  left_join(RB_YEARLY_PRINTS, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL*100))
write.csv(RB_TRANSLATIONS, "8a_Druckmengen_der_Übersetzungen_von_Brahms_Requiem.csv")
#plot
ABB_8a<-ggplot(RB_TRANSLATIONS, aes(x=JAHR, y=ANTEIL, color = SPRACHE))+
  scale_colour_grey()+
  geom_line()+
  geom_point(aes(shape = SPRACHE), size = 0.7)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(name="Anteil in %", breaks=seq(0,100, by=10))+
  labs(title="Anteil der Produktion fremdsprachiger Ausgaben \nvon Brahms' Deutschem Requiem", 
       subtitle="an der Gesamproduktion von RB")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5))
ggsave(filename = "Abbildungen/Abb_8a.png", plot = ABB_8a, width = 13, height = 10, dpi = 300, units = "cm")
#calculate print quantities for different translations of Brahms' Requiem op. 45 (adjusted), as percentage of total production
RB_TRANSLATIONS_ADJUSTED<-RB0%>%
  select(VERLAGSARTIKEL_ID, TEIL, VERLAGSARTIKEL_ID, AUSGABENTITEL, WERK_GND_ID, DRUCK_UID, DRUCKDATUM, DRUCKMENGE_BEREINIGT, JAHR)%>%
  unique%>%
  filter(WERK_GND_ID=="300024975")%>%
  mutate(
    SPRACHE=ifelse(grepl("Engl", AUSGABENTITEL), "Englische AG",
                   ifelse(grepl("engl", AUSGABENTITEL), "Englische AG",
                          ifelse(grepl("Eng", TEIL), "Englische AG",
                                 "Deutsche AG"))))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_00822", "Französische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_00823", "Französische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_02247", "Italienische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_02259", "Italienische AG", SPRACHE))%>%
  mutate(ENGLISCH = ifelse(VERLAGSARTIKEL_ID=="RB_02544", "Englische AG", SPRACHE))%>%
  select(!WERK_GND_ID)%>%
  filter(SPRACHE != "Deutsche AG")%>%
  unique%>%
  group_by(JAHR, SPRACHE)%>%
  summarise(TOTAL_P=sum(DRUCKMENGE_BEREINIGT))%>%
  left_join(RB_YEARLY_PRINTS_ADJUSTED, by=c("JAHR"))%>% #normalize as percentage of total production
  mutate(ANTEIL=(TOTAL_P/TOTAL_BEREINIGT*100))
write.csv(RB_TRANSLATIONS_ADJUSTED, "8b_Druckmengen_der_Übersetzungen_von_Brahms_Requiem.csv")
#plot
ABB_8b<-ggplot(RB_TRANSLATIONS_ADJUSTED, aes(x=JAHR, y=ANTEIL, color = SPRACHE))+
  scale_colour_grey()+
  geom_line()+
  geom_point(aes(shape = SPRACHE), size = 0.7)+
  scale_x_continuous(breaks=seq(1855, 1920, by=5))+
  scale_y_continuous(name="Anteil in %", breaks=seq(0,100, by=10))+
  labs(title="Anteil der Produktion fremdsprachiger Ausgaben \nvon Brahms' Deutschem Requiem", 
       subtitle="an der Gesamproduktion von RB (bereinigt)")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5),
        legend.text = element_text(size=5))
ggsave(filename = "Abbildungen/Abb_8b.png", plot = ABB_8b, width = 13, height = 10, dpi = 300, units = "cm")
#inspect individual editions
RB_TRANSLATIONS_INDIVIDUAL<-RB0%>%
  select(VERLAGSARTIKEL_ID, TEIL, VERLAGSARTIKEL_ID, MVDB_ID, AUSGABENTITEL, WERK_GND_ID, DRUCK_UID, DRUCKDATUM, DRUCKMENGE, JAHR)%>%
  unique%>%
  filter(WERK_GND_ID=="300024975")%>%
  mutate(
    SPRACHE=ifelse(grepl("Engl", AUSGABENTITEL), "Englische AG",
                   ifelse(grepl("engl", AUSGABENTITEL), "Englische AG",
                          ifelse(grepl("Eng", TEIL), "Englische AG",
                                 "Deutsche AG"))))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_00822", "Französische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_00823", "Französische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_02247", "Italienische AG", SPRACHE))%>%
  mutate(SPRACHE = ifelse(VERLAGSARTIKEL_ID=="RB_02259", "Italienische AG", SPRACHE))%>%
  mutate(ENGLISCH = ifelse(VERLAGSARTIKEL_ID=="RB_02544", "Englische AG", SPRACHE))%>%
  select(!WERK_GND_ID)%>%
  filter(SPRACHE != "Deutsche AG")%>%
  unique
write.csv(RB_TRANSLATIONS_INDIVIDUAL, "8c_RB_Übersetzungen_Liste.csv")

#09) investigate year 1910
RB_1910<-RB0%>%select(VERLAGSARTIKEL_ID, AUSGABENTITEL, KOMBINIERTE_KOMPONISTEN, ERSCHEINUNGSJAHR)%>%
  unique%>%
  filter(ERSCHEINUNGSJAHR=="1910")%>%
  filter(grepl("Brahms", KOMBINIERTE_KOMPONISTEN))
write.csv(RB_1910, "9_Erschienene_Übersetzungen_von_Brahms_1910.csv")

#10) investigate the different types of "Volkslieder" in RBs program
RB_VOLK<-RB0%>%select(VERLAGSARTIKEL_ID, AUSGABENTITEL, ERSCHEINUNGSJAHR, DRUCKDATUM, DRUCKMENGE, DRUCK_UID, KOMBINIERTE_KOMPONISTEN)%>%
  unique%>%
  group_by(VERLAGSARTIKEL_ID)%>%
  mutate(ERSTERSCHEINUNGSJAHR=min(ERSCHEINUNGSJAHR))%>%
  ungroup()%>%
  select(VERLAGSARTIKEL_ID, AUSGABENTITEL, KOMBINIERTE_KOMPONISTEN, ERSTERSCHEINUNGSJAHR, DRUCK_UID, DRUCKMENGE)%>%
  filter(grepl("Volk|volk|Folk|folk", AUSGABENTITEL))%>% 
  filter(!grepl("Volkmann", AUSGABENTITEL))%>% #remove false positives
  filter(!grepl("Volkland", AUSGABENTITEL))%>% #remove false positives
  group_by(VERLAGSARTIKEL_ID, AUSGABENTITEL, KOMBINIERTE_KOMPONISTEN, ERSTERSCHEINUNGSJAHR)%>%
  summarise(TOTAL=sum(DRUCKMENGE))
write.csv(RB_VOLK, "10_Volksliederausgaben_bei_RB.csv")
#hand counted: 48 editions with spelling variants "Volk"/"Folk"
#davon: 31 nondescript/deutsch incl. Tirol, Böhmen, 7 schottisch, englisch, irisch, 2 französisch, 1 each schwedisch, italienisch, litauisch, polnisch, 4: english translations

#11) show prints of Schulz-Beuthens op. 28
RB_SCHULZ<-RB0%>%
  select(VERLAGSARTIKEL_ID, MVDB_ID, AUSGABENTITEL, KOMBINIERTE_KOMPONISTEN, DRUCKDATUM, DRUCKMENGE, DRUCK_UID)%>%
  unique%>%
  filter(grepl("Neger", AUSGABENTITEL))
write.csv(RB_SCHULZ, "11_Produktionsstatistik_Schulz-Beuthen_op.28.csv")

#12) show editions and prints of Leopoldo Miguéz at RB
RB_MIGUEZ<-RB0%>%
  select(VERLAGSARTIKEL_ID,
         MVDB_ID, 
         AUSGABENTITEL, 
         KOMBINIERTE_KOMPONISTEN, 
         DRUCKDATUM, 
         DRUCKMENGE, 
         DRUCKMENGE_BEREINIGT,
         DRUCK_UID
         )%>%
  unique%>%
  filter(grepl("Miguez", KOMBINIERTE_KOMPONISTEN))
write.csv(RB_MIGUEZ, "12_Ausgaben_von_Miguez_bei_RB_mit_Druckmengen.csv")