Krankenversicherungsabdeckung

Der Affordable Care Act trat 2014 in Kraft. Eines seiner Ziele war es, die Krankenversicherungsabdeckung unter gesunden jungen Erwachsenen zu erhöhen. Hat sich die Abdeckung bei 19- bis 25-Jährigen mit dem Inkrafttreten des Affordable Care Act verändert? Lass uns die Veränderung in Prozentpunkten nach Bundesstaat berechnen. Anschließend visualisieren wir die Veränderung im Vergleich zur anfänglichen Abdeckungsrate.

Die ACS-Tabelle B27022 – "Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25" wurde geladen. Spaltennamen (in der Konsole ausgegeben) zeigen Aufschlüsselungen nach Geschlecht (m/f), Schuleinschreibung (school/noschool) und Versicherung (insured/uninsured).

Zur Erinnerung: In diesem Kurs arbeiten wir durchgehend mit Prozentwerten.

pandas und seaborn wurden mit den üblichen Aliasen importiert.

Diese Übung ist Teil des Kurses

Analyse von US-Volkszählungsdaten mit Python

Kurs anzeigen

Anleitung zur Übung

Berechne den Prozentsatz der Versicherten als 100 mal insured_total, geteilt durch die Gesamtbevölkerung total
Erstelle eine Pivot-Tabelle states_pvt mit Zeilen für die Bundesstaaten (index = "state"), Spalten für die Jahre (columns = "year") und values als "pct_insured"
Berechne die Veränderung des Versichertenanteils, indem du pct_insured_2013 von pct_insured_2017 abziehst
Plotte die Veränderung der Versicherungsrate (y) gegen die Rate von 2013 (x)

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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()

Code bearbeiten und ausführen