Cobertura de seguro de salud
La Affordable Care Act entró en vigor en 2014. Uno de sus objetivos era aumentar la cobertura de seguro de salud entre adultos jóvenes sanos. ¿Ha cambiado la cobertura entre las personas de 19 a 25 años con la aprobación de la Affordable Care Act? Vamos a calcular la variación en puntos porcentuales de la cobertura por estado. Después, representa esa variación frente al porcentaje cubierto inicial.
La tabla de la ACS B27022 - "Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25" ya está cargada. Los nombres de las columnas (impresos en la consola) indican desgloses por sexo (m/f), matriculación escolar (school/noschool) y seguro (insured/uninsured).
Recuerda que a lo largo del curso estamos usando porcentajes.
pandas y seaborn se han importado con los alias habituales.
Este ejercicio forma parte del curso
Análisis de datos del Censo de EE. UU. con Python
Instrucciones del ejercicio
- Calcula el porcentaje con seguro como 100 veces
insured_total, dividido por la poblacióntotal - Crea una tabla dinámica
states_pvtcon filas que representen los estados (index = "state"), columnas como los años (columns = "year") yvaluescomo"pct_insured" - Calcula el cambio en el porcentaje con seguro restando
pct_insured_2013depct_insured_2017 - Representa el cambio en la tasa de seguro (
y) frente a la tasa de 2013 (x)
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()