R 如何根据第三个变量的形式乘以分析？

我正在处理一个大型数据库，在这个数据库中，我想根据第三个（也是第四个）变量的模式生成链表（x），并汇总结果。我有点阻塞，我不知道怎么做

以下是我的数据帧（数据）的结构：

每一行都是独立的。他有一个年龄，他是死是活，他有一个职业（这是一篇专栏文章，其中包含一个职业代码：“02”是科学的，“88”是冶金工人，“A0”是军人等等）和一个性别（男/女）

我只是想创建死亡率表。这很容易：

table(data$age, data$dead)

以下是完整数据库的结果，例如：

 age  dead=0  dead=1
  ..    ....       .
  25    1725       0
  26    3627       1
  27     336       0
  28    3339       1
  30  275648     856
  31   90932     258
  32  120743     268
  33  587954    1023
  36  148610      57
  39    5101       7
  40   15960      43
  41  102273     336
  42  147941     174
  43   69216      43
  44   43178      37
  45    3074       0
  47    1424       1
  48    3471       1
  49   12048       3
  50      85       0
  51   45138     110
  52   84804     147
  53    4614      16
  54   19241      46
  55   86021     160
  ..    ....       .

现在，我想对变量“work”的每个类别都这样做。手动操作，可以轻松处理特定类别，例如科学：

table(data$age[data$class=="02"],data$dead[data$class=="02"])

我正在搜索如何自动执行此操作：

1） 对于工作变量的每个类别。变量不是连续的（…，11，12，13，14，19，20，…），有时还有字母（A0，Z0）

2） 对于每个类别，我想区分男性和女性（科学男性和科学女性的表格）

3） 然后将多个表（数据）的结果聚合到一个数据帧中，其中连接是过时的。因此，每一列都是按年龄、性别和职业划分的个体数量

你能帮我吗

多谢各位

函数

table（）

可以创建任意级别的列联表。您可以传递整个数据帧，然后展平和重塑（假设我理解正确）

library（tidyr）
表（df）%>%
as.data.frame（）%>%
轴宽（名称从=年龄，值从=频率）
#A tibble:36 x 11
死工作性'19``20``26``44``51``56``71``77`
1 0 01 F 0 0 0 0 0 0 0 0
2 1 01 F 0 0 0 0 0 0
3 0 13 F 0 0 0 1 0 0 0 0 0
4113f00
5 0 20 F 0 1 0 0 0 0 0 0 0
6120F000
7 0 44 F 0 0 0 0 0 0
8144F000
9 0 62 F 0 0 0 0 0 1 0
10162F000
# ... 还有26行

从那里，您可以根据需要进一步分割、重塑或过滤

数据：

---

df如果您在代码中提供示例data.frame会更容易，例如
data.frame（age=c（56,20，…），dead=c（1,0，…），…
可以告诉您，但我并不真正理解代码。如果我在表（data）上使用您的代码，我会有一个错误：表中的错误（megapop）：尝试创建一个包含>=2^31个元素的表。因此，我只在3个维度上创建了一个表：年龄、死亡、工作。在这种情况下：在.f（.x[[I]]，…）中出错：对象“age”可插入。因此，我提到了数据$age而不是age，我有一个错误：在inds_combine（.vars，ind_list）中出错：位置必须介于0和n之间。对不起，我不是R:p中最好的。什么是频率？包DescTools的功能？好的，我理解为：“as.data.frame”name“age”为“Var1”。在使用“pivot\u wide”之前，我必须重命名它。
table(data$age[data$class=="02"],data$dead[data$class=="02"])


library(tidyr)

table(df) %>%
  as.data.frame() %>%
  pivot_wider(names_from = age, values_from = Freq)

# A tibble: 36 x 11
   dead  work  sex    `19`  `20`  `26`  `44`  `51`  `56`  `71`  `77`
   <fct> <fct> <fct> <int> <int> <int> <int> <int> <int> <int> <int>
 1 0     01    F         0     0     0     0     0     0     0     0
 2 1     01    F         0     0     0     0     0     0     0     0
 3 0     13    F         0     0     0     0     1     0     0     0
 4 1     13    F         0     0     0     0     0     0     0     0
 5 0     20    F         0     1     0     0     0     0     0     0
 6 1     20    F         0     0     0     0     0     0     0     0
 7 0     44    F         0     0     0     0     0     0     0     0
 8 1     44    F         0     0     0     0     0     0     0     0
 9 0     62    F         0     0     0     0     0     0     1     0
10 1     62    F         0     0     0     0     0     0     0     0
# ... with 26 more rows

df <- structure(list(age = c(56L, 20L, 71L, 26L, 44L, 19L, 77L, 51L, 
56L), dead = c(1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L), work = structure(c(4L, 
3L, 5L, 8L, 7L, 1L, 6L, 2L, 9L), .Label = c("01", "13", "20", 
"44", "62", "78", "80", "A0", "Z0"), class = "factor"), sex = structure(c(2L, 
1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L), .Label = c("F", "M"), class = "factor")), class = "data.frame", row.names = c(NA, 
-9L))