使用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？

抱歉，作为语言模型，我无法执行代码操作，但我可以提供相应的代码示例供您参考：

1.

library(forcats)
library(dplyr)

# 读取数据
data <- read.csv("data.csv")

# 去掉年龄为NA的观测
data <- data %>% filter(!is.na(age))

# 将年龄分组并更新为相应的分类
data$age_group <- cut(data$age, breaks = c(0, 45, 69, Inf), 
                      labels = c("youth", "middle_aged", "old_people"), 
                      include.lowest = TRUE)

# 转换为factor并按年龄从小到大排序
data$age_group <- factor(data$age_group, levels = c("youth", "middle_aged", "old_people"))

# 计算每一年龄组的样本数
count(data, age_group)

2.

library(tidyr)
library(dplyr)

# 读取数据
data <- read.csv("data.csv")

# 去掉年龄为NA的观测
data <- data %>% filter(!is.na(age))

# 将年龄分组并更新为相应的分类
data$age_group <- cut(data$age, breaks = c(0, 45, 69, Inf), 
                      labels = c("youth", "middle_aged", "old_people"), 
                      include.lowest = TRUE)

# 转换为factor并按年龄从小到大排序
data$age_group <- factor(data$age_group, levels = c("youth", "middle_aged", "old_people"))

# 统计每个年份、种族和年龄段的样本数
count(data, year, race, age_group) %>%
  # 计算年轻人占比
  mutate(youth_prop = n / sum(n)) %>%
  # 转换为长表格
  pivot_longer(cols = c(youth_prop), names_to = "proportion_type", values_to = "proportion") %>%
  # 转换为宽表格
  pivot_wider(names_from = proportion_type, values_from = proportion)

3.

library(ggplot2)
library(dplyr)

# 读取数据
data <- read.csv("data.csv")

# 去掉年龄为NA的观测
data <- data %>% filter(!is.na(age))

# 将年龄分组并更新为相应的分类
data$age_group <- cut(data$age, breaks = c(0, 45, 69, Inf), 
                      labels = c("youth", "middle_aged", "old_people"), 
                      include.lowest = TRUE)

# 计算每个年份、种族和年龄段的样本数
count(data, year, race, age_group) %>%
  # 计算年轻人占比
  mutate(youth_prop = ifelse(age_group == "youth", n / sum(n), 0)) %>%
  # 按年份和种族分组并计算年轻人占比的平均值
  group_by(year, race) %>%
  summarise(youth_prop_mean = mean(youth_prop)) %>%
  # 绘制折线图
  ggplot(aes(x = year, y = youth_prop_mean, color = race)) +
  geom_line() +
  xlab("年份") +
  ylab("年轻人占比") +
  ggtitle("不同种族年轻人占比随时间变化的趋势") +
  scale_color_discrete(name = "种族")

在第三个问题中，排在最上方的线对应的种族是颜色最深的那条线，对应的种族可以通过图例进行确认。