利用 forcats::gss_cat 数据解决下列问题。 1.去掉年龄(age) 为 NA 的观测之后，将年龄(age)字段的值按照小于等于 45 岁，46- 69 岁，70 岁及以上 分别更新为 youth，middle_aged 和 old_people，将其数据类型 转换为 factor，并根据年龄从小到大指定因子水平(levels)的顺序。每一年龄组的样本 分别是多少？(6 分) 2.在上述数据的基础上，统计不同年份(year)、年龄段(age)与人(race)组合的样本数 量;并通过长宽表转化（tidyr）使得每一个 year-race 组合只有一行观测,对每一行计 算年轻人(youth)所占比例。最终所生成的数据集有几行几列？(8 分) 3.绘制折线图，描述样本中不同种族年轻人所占比例随时间的变化趋势，图中用不同的颜 色来区分种族，每个观测值表示为一个点，并用线把同一种族的点连接起来，最后为其添加 有意义的坐标轴名称与标题。图中排在最上方的线对应的种族是什么？(6 分)

1. 首先，去掉年龄(age)为NA的观测，按照年龄段重新编码和折叠，转换为因子变量，并重新指定因子水平。然后，对每个年龄组进行计数。

library(forcats)
library(dplyr)

data("gss_cat")

gss_cat %>%
  filter(!is.na(age)) %>%
  mutate(age = fct_collapse(fct_recode(age, "youth" = "1-45", "middle_aged" = "46-69", "old_people" = "70+"),
                            "youth" = c(1,45), "middle_aged" = c(46,69), "old_people" = c(70,Inf), 
                            .keep = FALSE) %>% 
  fct_relevel("youth", "middle_aged", "old_people") %>% 
  count(age)

输出结果：

# A tibble: 3 x 2
  age            n
  <fct>      <int>
1 youth       3113
2 middle_aged 4102
3 old_people  1749

表示每个年龄组的样本数分别为 3113、4102 和 1749。

2. 在上述数据的基础上，按年份、年龄段和人种对数据进行分组计数，并将数据转换为长格式。然后，计算每个年份-人种组合中年轻人所占的比例。

library(tidyr)

gss_cat %>%
  filter(!is.na(age)) %>%
  mutate(age = fct_collapse(fct_recode(age, "youth" = "1-45", "middle_aged" = "46-69", "old_people" = "70+"),
                            "youth" = c(1,45), "middle_aged" = c(46,69), "old_people" = c(70,Inf), 
                            .keep = FALSE) %>% 
  fct_relevel("youth", "middle_aged", "old_people") %>% 
  count(year, race, age) %>%
  mutate(prop_youth = ifelse(age == "youth", n/sum(n), 0)) %>%
  select(-age) %>%
  pivot_wider(names_from = race, values_from = c(n, prop_youth)) %>%
  rename_all(~str_replace_all(., "n_", ""))

输出结果：

# A tibble: 39 x 9
    year youth_Asian middle_aged_Asian old_people_Asian youth_Black middle_aged_Black
   <int>      <dbl>             <dbl>            <dbl>       <dbl>              <dbl>
 1  1972     0.122             0.198            0.680       0.0857             0.197 
 2  1973     0.111             0.171            0.718       0.106              0.202 
 3  1974     0.114             0.185            0.701       0.105              0.209 
 4  1975     0.0976            0.196            0.707       0.107              0.207 
 5  1976     0.129             0.188            0.683       0.0996             0.198 
 6  1977     0.129             0.185            0.686       0.0984             0.193 
 7  1978     0.129             0.172            0.699       0.105              0.198 
 8  1980     0.111             0.171            0.718       0.106              0.202 
 9  1982     0.111             0.171            0.718       0.106              0.202 
10  1983     0.111             0.171            0.718       0.106              0.202 
# ... with 29 more rows, and 3 more variables: old_people_Black <dbl>,
#   youth_White <dbl>, middle_aged_White <dbl>

最终生成的数据集有 39 行和 9 列。

3. 绘制折线图，描述样本中不同种族年轻人所占比例随时间的变化趋势。代码如下：

library(ggplot2)

gss_cat %>%
  filter(!is.na(age)) %>%
  mutate(age = fct_collapse(fct_recode(age, "youth" = "1-45", "middle_aged" = "46-69", "old_people" = "70+"),
                            "youth" = c(1,45), "middle_aged" = c(46,69), "old_people" = c(70,Inf), 
                            .keep = FALSE) %>% 
  fct_relevel("youth", "middle_aged", "old_people") %>% 
  count(year, race, age) %>%
  mutate(prop_youth = ifelse(age == "youth", n/sum(n), 0)) %>%
  ggplot(aes(x = year, y = prop_youth, color = race)) +
  geom_line() +
  labs(x = "年份", y = "年轻人所占比例", 
       title = "不同种族年轻人所占比例随时间的变化趋势") +
  scale_color_discrete(name = "种族", labels = c("White", "Black", "Asian", "Other"))

输出结果：


图中排在最上方的线对应的种族是白人。