R语言 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. 代码如下：

library(forcats)

#读取数据
data <- read.csv("data.csv")

#去掉年龄为NA的观测
data <- data[!is.na(data$age),]

#将年龄分组并更新为youth，middle_aged和old_people
data$age_group <- ifelse(data$age <= 45, "youth",
                          ifelse(data$age <= 69, "middle_aged", "old_people"))

#将age_group转换为factor，并根据年龄从小到大指定因子水平(levels)的顺序
data$age_group <- factor(data$age_group, levels = c("youth", "middle_aged", "old_people"))

#每一年龄组的样本分别是多少
table(data$age_group)

2. 代码如下：

library(tidyr)

#读取数据
data <- read.csv("data.csv")

#去掉年龄为NA的观测
data <- data[!is.na(data$age),]

#将年龄分组并更新为youth，middle_aged和old_people
data$age_group <- ifelse(data$age <= 45, "youth",
                          ifelse(data$age <= 69, "middle_aged", "old_people"))

#统计不同年份(year)、年龄段(age)与人(race)组合的样本数量
data_count <- data %>% group_by(year, race, age_group) %>% summarize(count = n())

#计算年轻人(youth)所占比例
data_count <- data_count %>% spread(age_group, count) %>% 
  mutate(youth_prop = youth / (youth + middle_aged + old_people)) %>%
  select(year, race, youth_prop)

#将数据转换为长表格
data_long <- pivot_longer(data_count, cols = c("youth_prop"), names_to = "age_group", values_to = "count")

#观测行数和列数
dim(data_long)

3. 代码如下：

library(ggplot2)

#读取数据
data <- read.csv("data.csv")

#去掉年龄为NA的观测
data <- data[!is.na(data$age),]

#将年龄分组并更新为youth，middle_aged和old_people
data$age_group <- ifelse(data$age <= 45, "youth",
                          ifelse(data$age <= 69, "middle_aged", "old_people"))

#统计不同年份(year)、年龄段(age)与人(race)组合的样本数量
data_count <- data %>% group_by(year, race, age_group) %>% summarize(count = n())

#计算年轻人(youth)所占比例
data_count <- data_count %>% spread(age_group, count) %>% 
  mutate(youth_prop = youth / (youth + middle_aged + old_people))

#绘图
ggplot(data_count, aes(x = year, y = youth_prop, color = race)) +
  geom_point() + geom_line() +
  scale_x_continuous(breaks = seq(min(data_count$year), max(data_count$year), by = 10)) +
  labs(x = "年份", y = "年轻人占比", title = "不同种族年轻人占比随时间的变化趋势") +
  theme_classic()

图中排在最上方的线对应的种族需要根据数据观察得出。