# Libraries
library(vilaweb)
library(tidyverse)
library(ggplot2)
library(tidyr)
# Get most recent CEO data
ceo_june_2019 <- vilaweb::ceo_june_2019
# Get age range
get_details <- function(df){
df %>%
mutate(avis = as.character(`Quants dels seus avis/àvies van néixer a Catalunya?`)) %>%
mutate(avis = ifelse(avis == 'Cap', '0',
ifelse(avis == 'Un', '1',
ifelse(avis == 'Dos', '2',
ifelse(avis == 'Tres', '3',
ifelse(avis == 'Quatre', '4', NA)))))) %>%
mutate(avis = as.numeric(avis)) %>%
mutate(pare_cat = `Em podria dir el lloc de naixement del seu pare?` == 'Catalunya',
pare_esp = `Em podria dir el lloc de naixement del seu pare?` == 'Altres comunitats autònomes',
mare_cat = `Em podria dir el lloc de naixement de la seva mare?` == 'Catalunya',
mare_esp = `Em podria dir el lloc de naixement de la seva mare?` == 'Altres comunitats autònomes') %>%
mutate(pare_cat = as.numeric(pare_cat),
pare_esp = as.numeric(pare_esp),
mare_cat = as.numeric(mare_cat),
mare_esp = as.numeric(mare_esp)) %>%
summarise(p50 = median(Edat),
avg = mean(Edat),
p75 = quantile(Edat, 0.75),
p25 = quantile(Edat, 0.25),
pcat = length(which(`Em podria dir on va néixer?` == 'Catalunya')) / n(),
pesp = length(which(`Em podria dir on va néixer?` == 'Altres comunitats autònomes')) / n(),
avis = mean(avis, na.rm = TRUE),
avisp50 = median(avis, na.rm = TRUE),
avisp75 = quantile(avis, 0.75, na.rm = TRUE),
avisp25 = quantile(avis, 0.25, na.rm = TRUE),
pares_cat = mean(pare_cat + mare_cat, na.rm = TRUE),
pares_esp = mean(pare_esp + mare_esp, na.rm = TRUE),
pares_catp25 = quantile(pare_cat + mare_cat, 0.25, na.rm = TRUE),
pares_catp75 = quantile(pare_cat + mare_cat, 0.75, na.rm = TRUE),
pares_espp25 = quantile(pare_esp + mare_esp, 0.25, na.rm = TRUE),
pares_espp75 = quantile(pare_esp + mare_esp, 0.75, na.rm = TRUE))
}
# new_ceo %>% group_by(`Any de realització del baròmetre`) %>%
# get_details() %>%
# bind_rows(
# ceo_june_2019 %>%
# group_by(`Any de realització del baròmetre`) %>%
# get_details()
# ) %>%
# View
# Transform data to combine
transform_data <- function(df){
language_dict <- tibble(input = c('Català (valencià / balear)', 'Castellà', 'Totes dues igual: català (valencià / balear) i castellà', 'Altres llengües o altres combinacions', 'Aranès', 'No ho sap', 'No contesta'),
output_ca = c('Català',
'Castellà',
'Cat+Cast',
'Altres',
'Català',
'NS/NC',
'NS/NC'),
output_en = c('Catalan',
'Spanish',
'Cat+Spa',
'Others',
'Catalan',
'No answer',
'No answer'))
convert_language <- function(x, ca = TRUE){
z <- tibble(input = x)
joined <- left_join(z, language_dict)
if(ca){
as.character(joined$output_ca)
} else {
as.character(joined$en)
}
}
v1 <- "Amb quina de les següents frases se sent més identificat: em sento només espanyol, més espanyol que català, tan espanyol com català, més català que espanyol o només català?"
v2 <- 'Amb quina de les següents frases,em sento només espanyol, més espanyol que català, tan espanyol com català, més català que espanyol o només català, se sent més identificat?'
if(v1 %in% names(df)){
df$identificacio <- unlist(df[,v1])
} else {
df$identificacio <- unlist(df[,v2])
}
df %>%
mutate(any = `Any de realització del baròmetre`,
mes = `Mes de realització del baròmetre`) %>%
mutate(mes = ifelse(mes == 3 & any == 2014, 4, mes),
mes = ifelse(mes == 10 & any == 2014, 11, mes),
mes = ifelse(mes == 3 & any == 2015, 2, mes),
mes = ifelse(mes == 7 & any == 2017, 6, mes),
mes = ifelse(mes == 7 & any == 2018, 6, mes),
mes = ifelse(mes == 11 & any == 2018, 10, mes),
mes = ifelse(mes == 7 & any == 2019, 6, mes)) %>%
mutate(date = as.Date(paste0(any, '-', mes, '-15'))) %>%
mutate(avis = as.character(`Quants dels seus avis/àvies van néixer a Catalunya?`)) %>%
mutate(avis = ifelse(avis == 'Cap', '0',
ifelse(avis == 'Un', '1',
ifelse(avis == 'Dos', '2',
ifelse(avis == 'Tres', '3',
ifelse(avis == 'Quatre', '4', NA)))))) %>%
mutate(avis = as.numeric(avis)) %>%
mutate(pare_cat = `Em podria dir el lloc de naixement del seu pare?` == 'Catalunya',
pare_esp = `Em podria dir el lloc de naixement del seu pare?` == 'Altres comunitats autònomes',
mare_cat = `Em podria dir el lloc de naixement de la seva mare?` == 'Catalunya',
mare_esp = `Em podria dir el lloc de naixement de la seva mare?` == 'Altres comunitats autònomes') %>%
mutate(pare_cat = as.numeric(pare_cat),
pare_esp = as.numeric(pare_esp),
mare_cat = as.numeric(mare_cat),
mare_esp = as.numeric(mare_esp)) %>%
mutate(llengua_primera = `Quina llengua va parlar primer vostè, a casa, quan era petit?`) %>%
mutate(llengua_primera = convert_language(llengua_primera),
llengua_habitual = convert_language(`Quina és la seva llengua habitual, ens referim a la llengua que parla més sovint?`),
llengua_propia = convert_language(`Quina és la seva llengua, ens referim a quina és la llengua que vostè considera com a pròpia?`)) %>%
mutate(indepe = `Vol que Catalunya esdevingui un Estat independent?`) %>%
# mutate(llengua_preferiex = `Prefereix que li faci les preguntes en català o en castellà?`),
mutate(neixer = `Em podria dir on va néixer?`,
informat = `Es considera vostè molt, bastant, poc o gens informat/ada del que passa en política?`,
interessat = `A vostè la política li interessa molt, bastant, poc o gens?`,
partit = `Em podria dir per quin partit sent més simpatia?`,
axis = `Quan es parla de política, normalment s’utilitzen les expressions esquerra i dreta, indiqui on s’ubicaria vostè?`,
telefon_fix = `Té telèfon fix a la seva llar?`,
ingressos = `Quins són els ingressos familiars que entren cada mes a casa seva?`) %>%
mutate(indepe = as.character(indepe)) %>%
mutate(indepe =
ifelse(indepe %in% c('No ho sap', 'No contesta'),
'NS/NC', indepe)) %>%
mutate(municipi = `Grandària del municipi`) %>%
mutate(provincia = `Província`) %>%
dplyr::select(
identificacio,
municipi,
provincia,
date,
avis,
pare_cat, pare_esp,
mare_cat, mare_esp,
llengua_primera, llengua_habitual, llengua_propia, #llengua_prefereix,
neixer,
informat,
interessat,
partit,
axis,
telefon_fix,
ingressos,
indepe
) %>%
mutate(pares = ifelse(pare_cat + mare_cat == 2,
'2 pares nascuts a Cat',
ifelse(pare_cat + mare_cat == 1 &
pare_esp + mare_esp == 1,
'1 pare nascut a Cat, l\'altre a Esp',
ifelse(pare_esp + mare_esp == 2,
'2 pares nascuts a Esp',
'Altres combinacions')
))) #%>%
# mutate(pares = ifelse(pare_cat + mare_cat == 1 &
# pare_esp + mare_esp == 0,
# '1 pare nascut a Cat, l\'altre a l\'Estranger',
# ifelse(pare_cat + mare_cat == 0 &
# pare_esp + mare_esp == 1,
# '1 pare nascut a Esp, l\'altre a l\'Estranger', pares)))
}
combined <-
transform_data(new_ceo) %>%
bind_rows(
transform_data(ceo_june_2019)
)
# The comined dataset contains all ceo data
make_plot <- function(ca = FALSE, var = 'llengua_propia',
color_var = 'indepe'){
pd <- combined
pd$var <- unlist(pd[,var])
pd$color_var <- unlist(pd[,color_var])
pd <- pd %>%
group_by(var, date, color_var) %>%
tally %>%
group_by(var, date) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup# %>%
# filter(llengua %in% c('Castellà',
# 'Cat+Cast',
# 'Català'))
ggplot(data = pd,
aes(x = date,
y = p,
color = color_var)) +
geom_point() +
geom_line() +
facet_wrap(~var)
}
make_plot(var = 'avis')
sample_plot <- function(ca = FALSE, var = 'avis', data = NULL){
if(is.null(data)){
pd <- combined
} else {
pd <- data
}
pd$var <- unlist(pd[,var])
pd <- pd %>%
filter(!is.na(var)) %>%
filter(var != 'NS/NC') %>%
group_by(date, var) %>%
tally %>%
group_by(date) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup
return(pd)
}
plot_sample_plot <- function(pd, scales = 'free_y'){
ggplot(data = pd,
aes(x = date,
y = p)) +
geom_line() +
geom_point() +
geom_area(alpha = 0.5) +
facet_wrap(~var, scales = scales) +
theme_vilaweb()
}
plot_combined <- function(ca = FALSE){
pd <- combined %>%
group_by(date, indepe) %>% tally %>%
group_by(date) %>% mutate(p = n / sum(n) * 100) %>%
ungroup %>%
filter(date >= '2015-01-01')
if(ca){
the_labs <- labs(title = 'Suport per la independència de Catalunya',
subtitle = "Pregunta: 'Vol que Catalunya esdevingui un Estat independent?'",
x = 'Data',
y = 'Percentatge')
} else {
the_labs <- labs(title = 'Support for the independence of Catalonia',
subtitle = "Question: 'Do you want Catalonia to become an independent State?'",
x = 'Date',
y = 'Percentatge')
pd$indepe <- as.character(pd$indepe)
pd$indepe <- ifelse(pd$indepe == 'Sí', 'Yes',
ifelse(pd$indepe == 'NS/NC', 'N/A',
pd$indepe))
pd$indepe <- factor(pd$indepe,
levels = c('No', 'N/A', 'Yes'))
}
ggplot(data = pd,
aes(x = date,
y = p,
color = indepe)) +
geom_point() +
geom_line() +
theme_vilaweb() +
the_labs +
scale_color_manual(name = '',
values = vilaweb::colors_vilaweb()[c(3,6,5)])
}
province_plot <- function(ca = FALSE){
if(ca){
the_labs <- labs(title = 'Província dels enquestats',
subtitle = 'Enquesta BOP del CEO',
x = 'Data',
y = 'Percentatge')
} else {
the_labs <- labs(title = 'Province of those surveyed',
subtitle = 'BOP survey of the CEO',
x = 'Date',
y = 'Percentage')
}
plot_sample_plot(sample_plot(var = 'provincia')) + xlim(as.Date('2016-01-01'), max(combined$date)) +
theme_vilaweb() +
the_labs
}
language_plot <- function(ca = FALSE){
pd <- combined
if(ca){
the_labs <- labs(title = 'Independentisme per \'llengua pròpia\'',
x = 'Llengua pròpia',
y = 'Percentatge')
legend_title <- 'Independentista?'
} else {
the_labs <- labs(title = "Support for independence by 'own language'",
x = 'Language considers to be \'one\'s own\'',
y = 'Percentage')
legend_title <- 'Pro-independence?'
pd$indepe <- as.character(pd$indepe)
pd$indepe <- ifelse(pd$indepe == 'Sí', 'Yes',
ifelse(pd$indepe == 'NS/NC', 'N/A',
pd$indepe))
pd$indepe <- factor(pd$indepe,
levels = c('No', 'N/A', 'Yes'))
pd$llengua_propia <- as.character(pd$llengua_propia)
pd$llengua_propia <- ifelse(pd$llengua_propia == 'Català',
'Catalan', 'Spanish')
}
pd <- pd %>%
filter(!is.na(indepe),
!llengua_propia %in% c('Altres',
'NS/NC',
'Cat+Cast')) %>%
group_by(llengua_propia, indepe) %>%
tally %>%
group_by(llengua_propia) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup
ggplot(data = pd,
aes(x = llengua_propia,
y = p,
fill = indepe)) +
geom_bar(stat = 'identity',
position = position_dodge(width = 0.7)) +
theme_vilaweb() +
the_labs +
geom_text(aes(label = round(p, digits = 1),
y = p + 5),
alpha = 0.6,
position = position_dodge(width = 0.7)) +
scale_fill_manual(name = legend_title,
values = vilaweb::colors_vilaweb()[c(3,6,5)])
}
identificacio_plot <- function(ca = FALSE){
pd <- combined %>%
filter(!identificacio %in% c('No ho sap', 'No contesta'))
if(ca){
the_labs <- labs(title = 'Independentisme per identitat',
x = 'Autoidentificació',
y = 'Percentatge')
legend_title <- 'Independentista?'
pd$identificacio <- factor(pd$identificacio,
levels = levels(pd$identificacio),
labels = gsub(' com', '\ncom', gsub(' que', '\nque', levels(pd$identificacio))))
} else {
the_labs <- labs(title = "Support for independence by identity",
x = 'Self-identification',
y = 'Percentage')
legend_title <- 'Pro-independence?'
pd$indepe <- as.character(pd$indepe)
pd$indepe <- ifelse(pd$indepe == 'Sí', 'Yes',
ifelse(pd$indepe == 'NS/NC', 'N/A',
pd$indepe))
pd$indepe <- factor(pd$indepe,
levels = c('No', 'N/A', 'Yes'))
pd$identificacio <- as.character(pd$identificacio)
levs <- c('Only Spanish', 'More Spanish\nthan Catalan', 'As Spanish\nas Catalan',
'More Catalan\nthan Spanish', 'Only Catalan')
pd <- pd %>%
mutate(identificacio = ifelse(identificacio == 'Només espanyol/a', levs[1],
ifelse(identificacio == 'Més espanyol/a que català/ana', levs[2],
ifelse(identificacio == 'Tan espanyol/a com català/ana', levs[3],
ifelse(identificacio == 'Més català/ana que espanyol/a', levs[4],
ifelse(identificacio == 'Només català/ana', levs[5], NA))))))
pd$identificacio <- factor(pd$identificacio, levels = levs)
}
pd <- pd %>%
filter(!is.na(indepe)) %>%
group_by(identificacio, indepe) %>%
tally %>%
group_by(identificacio) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup
ggplot(data = pd,
aes(x = identificacio,
y = p,
fill = indepe)) +
geom_bar(stat = 'identity',
position = position_dodge(width = 0.7)) +
theme_vilaweb() +
the_labs +
geom_text(aes(label = round(p, digits = 1),
y = p + 5),
alpha = 0.6,
position = position_dodge(width = 0.7)) +
scale_fill_manual(name = legend_title,
values = vilaweb::colors_vilaweb()[c(3,6,5)])
}
pares_plot <- function(ca = FALSE){
pd <- combined
if(ca){
the_labels <- c('2 pares nascuts a Cat',
"1 pare nascut a Cat, l'altre a Esp",
"2 pares nascuts a Esp",
"Altres combinacions")
the_labs <- labs(title = 'Independentisme per lloc de naixement dels pares',
x = 'Lloc de naixement dels pares',
y = 'Percentatge')
legend_title <- 'Independentista?'
pd$pares <- factor(pd$pares,
levels = the_labels)
} else {
the_labels <- c('2 pares nascuts a Cat',
"1 pare nascut a Cat, l'altre a Esp",
"2 pares nascuts a Esp",
"Altres combinacions")
en_levs <- c('Both parents\nborn in Cat',
'1 parent from Cat,\nthe other from Spain',
'Both parents\nborn in Spain',
'Other combinations')
the_labs <- labs(title = "Support for independence by parents' place of birth",
x = 'Place of birth of parents',
y = 'Percentage')
legend_title <- 'Pro-independence?'
pd$indepe <- as.character(pd$indepe)
pd$indepe <- ifelse(pd$indepe == 'Sí', 'Yes',
ifelse(pd$indepe == 'NS/NC', 'N/A',
pd$indepe))
pd$indepe <- factor(pd$indepe,
levels = c('No', 'N/A', 'Yes'))
pd$pares <- as.character(pd$pares)
pd$pares <- ifelse(pd$pares == the_labels[1], en_levs[1],
ifelse(pd$pares == the_labels[2], en_levs[2],
ifelse(pd$pares == the_labels[3], en_levs[3],
ifelse(pd$pares == the_labels[4], en_levs[4], NA))))
pd$pares <- factor(pd$pares, levels = en_levs)
}
pd <- pd %>%
filter(!is.na(indepe)) %>%
group_by(pares, indepe) %>%
tally %>%
group_by(pares) %>%
mutate(p = n / sum(n) * 100) %>%
ungroup
ggplot(data = pd,
aes(x = pares,
y = p,
fill = indepe)) +
geom_bar(stat = 'identity',
position = position_dodge(width = 0.7)) +
theme_vilaweb() +
the_labs +
geom_text(aes(label = round(p, digits = 1),
y = p + 5),
alpha = 0.6,
position = position_dodge(width = 0.7)) +
scale_fill_manual(name = legend_title,
values = vilaweb::colors_vilaweb()[c(3,6,5)])
}
plot_identificacio <- function(ca = FALSE){
pd <- combined
if(ca){
the_labs <- labs(title = 'Autoidentificació',
subtitle = 'Enquesta BOP del CEO',
x = 'Data',
y = 'Percentatge')
pd$identificacio <- factor(pd$identificacio,
levels = levels(pd$identificacio),
labels = gsub(' com', '\ncom', gsub(' que', '\nque', levels(pd$identificacio))))
} else {
the_labs <- labs(title = 'Self-identification',
subtitle = 'BOP survey of the CEO',
x = 'Date',
y = 'Percentage')
pd$identificacio <- as.character(pd$identificacio)
levs <- c('Only Spanish', 'More Spanish\nthan Catalan', 'As Spanish\nas Catalan',
'More Catalan\nthan Spanish', 'Only Catalan')
pd <- pd %>%
mutate(identificacio = ifelse(identificacio == 'Només espanyol/a', levs[1],
ifelse(identificacio == 'Més espanyol/a que català/ana', levs[2],
ifelse(identificacio == 'Tan espanyol/a com català/ana', levs[3],
ifelse(identificacio == 'Més català/ana que espanyol/a', levs[4],
ifelse(identificacio == 'Només català/ana', levs[5], NA))))))
pd$identificacio <- factor(pd$identificacio, levels = levs)
}
plot_sample_plot(sample_plot(var = 'identificacio',
data = pd %>% filter(!identificacio %in% c('No contesta', 'No ho sap'))
)) + xlim(as.Date('2017-10-01'), Sys.Date()) +
the_labs
}
plot_llengua <- function(ca = FALSE){
if(ca){
the_labs <- labs(title = "Llengua considerada 'pròpia'",
subtitle = 'Enquesta BOP del CEO',
x = 'Data',
y = 'Percentatge')
} else {
the_labs <- labs(title = "Language considered 'one's own'",
subtitle = 'BOP survey of the CEO',
x = 'Date',
y = 'Percentage')
}
plot_sample_plot(sample_plot(var = 'llengua_propia',
data = combined))+ xlim(as.Date('2017-10-01'), Sys.Date()) +
the_labs
}
parents_plot <- function(ca = FALSE){
pd <- combined %>% filter(date >= '2018-03-01')
if(ca){
the_labels <- c('2 pares nascuts a Cat',
"1 pare nascut a Cat, l'altre a Esp",
"2 pares nascuts a Esp",
"Altres combinacions")
the_labs <- labs(title = 'Lloc de naixement dels pares dels enquestats',
x = 'Data',
y = 'Percentatge')
pd$pares <- factor(pd$pares,
levels = the_labels)
} else {
the_labels <- c('2 pares nascuts a Cat',
"1 pare nascut a Cat, l'altre a Esp",
"2 pares nascuts a Esp",
"Altres combinacions")
en_levs <- c('Both parents\nborn in Cat',
'1 parent from Cat,\nthe other from Spain',
'Both parents\nborn in Spain',
'Other combinations')
the_labs <- labs(title = "Survey participants' parents' place of birth",
x = 'Date',
y = 'Percentage')
pd$pares <- as.character(pd$pares)
pd$pares <- ifelse(pd$pares == the_labels[1], en_levs[1],
ifelse(pd$pares == the_labels[2], en_levs[2],
ifelse(pd$pares == the_labels[3], en_levs[3],
ifelse(pd$pares == the_labels[4], en_levs[4], NA))))
pd$pares <- factor(pd$pares, levels = en_levs)
}
plot_sample_plot(sample_plot(var = 'pares',
data = pd)) +
the_labs +
geom_text(aes(label = round(p, digits = 1)),
alpha = 0.5,
size = 3,
nudge_y = 3)
}
make_resample <- function(var = 'pares'){
recent <- combined %>% filter(date >= '2018-01-01') %>%
mutate(previous4 = date <= '2019-05-01')
recent$new_var <- unlist(recent[,var])
# adjust population to be identical to previous
proportions <- recent %>%
filter(previous4) %>%
group_by(new_var) %>%
# group_by(pares, llengua_propia, identificacio) %>%
summarise(indy_pro = length(which(indepe == 'Sí')),
indy_anti = length(which(indepe == 'No')),
n = n()) %>%
ungroup %>%
mutate(p = n / sum(n) * 100)
out_list <- list()
june <- recent %>% filter(date >= '2019-06-01')
june$id <- 1:nrow(june)
for(i in 1:nrow(proportions)){
message(i)
this_new_var <- proportions$new_var[i]
n <- round(proportions$p[i] * 10000)
these_people <- sample(june$id[june$new_var == this_new_var], size = n, replace = T)
out_list[[i]] <- june[these_people,]
}
resampled <- bind_rows(out_list)
out <- resampled %>%
group_by(indepe) %>%
tally %>%
mutate(p = n / sum(n) * 100)
return(out)
}
x <- combined %>%
group_by(date,
var = ifelse(grepl('espany', identificacio),
'Només esp/més esp/tan esp com cat',
ifelse(identificacio %in% c('No ho sap', 'No contesta'), 'NS/NC',
'Només cat/més cat'))) %>%
summarise(n = n(),
indepe_si = length(which(indepe == 'Sí')),
indepe_no = length(which(indepe == 'No')),
indepe_ns = length(which(indepe == 'NS/NC'))) %>%
group_by(date) %>%
mutate(p = n / sum(n) * 100,
p_indepe_si = indepe_si / sum(n) * 100,
p_indepe_no = indepe_no / sum(n) * 100,
p_indepe_no = indepe_no / sum(n) * 100)
ggplot(data = x,
aes(x = date,
y = p,
color = var)) +
geom_line()
ggplot(data = x %>% filter(date >= '2015-01-01'),
aes(x = date,
y = p_indepe_si)) +
geom_line(aes(color = var))
y <- combined %>% group_by(date) %>%
summarise(pare_esp = sum(pare_esp) / (n() * 2) * 100,
pare_cat = sum(pare_cat) / (n() * 2) * 100,
espanyolisme = length(which(grepl('espany', identificacio) & !grepl('catal', identificacio))) / n() * 100,
unionisme = length(which(indepe == 'No')) / n() * 100) %>%
gather(key, value, pare_esp:unionisme)
key_dict <- tibble(key = c('espanyolisme',
'pare_cat',
'pare_esp',
'unionisme'),
new_key = c('"Espanyolisme"\n(se sent només espanyol\no més espanyol que català)',
"% de pares nascuts\na Catalunya",
"% de pares nascuts\na la resta d'Espanya",
"Unionisme"))
y <- left_join(y, key_dict)
library(databrew)
ggplot(data = y %>% filter(date >= '2017-01-01'),
aes(x = date,
y = value)) +
geom_line() +
geom_point() +
facet_wrap(~new_key, scales = 'free_y') +
theme_databrew() +
theme(axis.text.x = element_text(angle = 90,
hjust = 1,
vjust = 0.5)) +
labs(x = '',
y = '%') +
theme(legend.position = 'none',
strip.text = element_text(size = 12)) +
geom_text(aes(label = round(value, digits = 1),
y = value + 0.3 + (0.01 * value)),
alpha = 0.6,
size = 3)
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.