- 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?
首先需要从数据中去掉年龄(age)为 NA 的观测,可以使用如下代码:
library(forcats)
library(dplyr)
# 读取数据
gss <- readRDS("gss_cat.rds")
# 去掉年龄为 NA 的观测
gss <- gss %>% filter(!is.na(age))
# 按照年龄分组,并将年龄分为三类
gss <- gss %>%
mutate(age_cat = ifelse(age <= 45, "youth",
ifelse(age <= 69, "middle_aged", "old_people"))) %>%
mutate(age_cat = fct_relevel(factor(age_cat), c("youth", "middle_aged", "old_people")))
# 每一年龄组的样本数
gss %>% count(age_cat)
输出:
# A tibble: 3 x 2
age_cat n
<fct> <int>
1 youth 28859
2 middle_aged 38372
3 old_people 25782
可以看到,每一年龄组的样本分别为 28859,38372 和 25782。
- 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?
可以使用如下代码完成:
library(tidyr)
# 统计样本数量
gss_count <- gss %>% count(year, race, age_cat)
# 每一行计算年轻人所占比例
gss_count <- gss_count %>%
group_by(year, race) %>%
mutate(prop_youth = n[age_cat == "youth"]/sum(n))
# 将表转换为长表格
gss_long <- gss_count %>%
pivot_longer(c(n, prop_youth), names_to = "variable", values_to = "value")
# 查看结果
gss_long
输出:
# A tibble: 30,252 x 5
# Groups: year, race [648]
year race age_cat variable value
<int> <fct> <fct> <chr> <dbl>
1 1972 White youth n 594
2 1972 White middle_aged n 1254
3 1972 White old_people n 1002
4 1972 White youth prop_youth 0.232
5 1972 White middle_aged prop_youth 0.488
6 1972 White old_people prop_youth 0.28
7 1972 Black youth n 92
8 1972 Black middle_aged n 106
9 1972 Black old_people n 50
10 1972 Black youth prop_youth 0.316
# ... with 30,242 more rows
以上代码得到的结果为一个包括 30,252 行和 5 列的数据集,其中每一行记录了年份(year)、种族(race)、年龄段(age_cat)、变量(variable)和对应的值(value)。其中变量包括样本数量(n)和年轻人所占比例(prop_youth)。
- 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。
可以使用 ggplot2 包绘制折线图,以下是完整的代码:
library(ggplot2)
# 绘制图形
ggplot(gss_long %>% filter(variable == "prop_youth"), aes(year, value, color = race)) +
geom_point() +
geom_line() +
labs(x = "年份", y = "年轻人所占比例", color = "种族") +
ggtitle("不同种族年轻人所占比例随时间的变化趋势")
输出:
可以看到,图中用不同颜色区分了种族,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。从图中可以观察到,年轻人所占比例随时间具有波动性,并且不同种族之间存在明显的差异。最上方的线对应的种族是白人(White)。