Zdravotní pojištění

Zákon o dostupné péči (Affordable Care Act) vstoupil v platnost v roce 2014. Jedním z jeho cílů bylo zvýšit pokrytí zdravotním pojištěním u zdravých mladých dospělých. Změnilo se pojištění u osob ve věku 19–25 let po jeho přijetí? Pojďme spočítat změnu v procentních bodech podle jednotlivých států a pak ji vynést do grafu v závislosti na původní míře pojištění.

Byla načtena tabulka ACS B27022 – „Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25". Názvy sloupců (vypsané v konzoli) rozlišují pohlaví (m/f), zápis do školy (school/noschool) a pojištění (insured/uninsured).

Připomínáme, že v celém kurzu pracujeme s procenty.

pandas a seaborn byly importovány pod obvyklými aliasy.

Toto cvičení je součástí kurzu

Analýza dat amerického sčítání lidu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej procento pojištěných jako 100násobek hodnoty insured_total vydělený celkovou populací total
Vytvoř kontingenční tabulku states_pvt, kde řádky odpovídají státům (index = "state"), sloupce rokům (columns = "year") a hodnoty jsou "pct_insured"
Vypočítej změnu v procentu pojištěných odečtením pct_insured_2013 od pct_insured_2017
Vynès změnu míry pojištění (y) v závislosti na míře v roce 2013 (x) do grafu

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate percent insured
states["insured_total"] = states["m_school_insured"] +  states["m_noschool_insured"] + states["f_school_insured"] + states["f_noschool_insured"]
states["pct_insured"] = ____

# Pivot the table and rename the columns
states_pvt = states.pivot(____)
states_pvt.columns = ["pct_insured_2013", "pct_insured_2017"]

# Calculate the change in insurance rates 2013 to 2017
states_pvt["pct_insured_change"] = ____

# Plot the change against initial (2013) insurance rates
sns.lmplot(x = ____, y = ____, data = states_pvt)
plt.show()

Upravit a spustit kód