ggploot绘图2

1. 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。

1. 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)。

1. 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)。