Couverture d'assurance maladie

La Affordable Care Act est entrée en vigueur en 2014. L'un de ses objectifs était d'augmenter la couverture d'assurance maladie chez les jeunes adultes en bonne santé. La couverture d'assurance maladie chez les 19 à 25 ans a-t-elle changé avec l'adoption de la Affordable Care Act? Calculons la variation en points de pourcentage de la couverture par État. Puis, traçons cette variation par rapport au taux initial de personnes couvertes.

Le tableau ACS B27022 - « Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25 » a été chargé. Les noms de colonnes (affichés dans la console) indiquent les répartitions par sexe (m/f), inscription scolaire (school/noschool) et assurance (insured/uninsured).

Rappel : nous utilisons des pourcentages tout au long de ce cours.

pandas et seaborn ont été importés avec les alias habituels.

Cette activité fait partie du cours

Analyser les données du recensement des États-Unis avec Python

Voir le cours

Instructions de l’exercice

Calculez le pourcentage assuré comme 100 fois insured_total, divisé par la population total.
Créez un tableau croisé states_pvt avec les lignes représentant les États (index = "state"), les colonnes les années (columns = "year") et values comme "pct_insured".
Calculez la variation du pourcentage assuré en soustrayant pct_insured_2013 de pct_insured_2017.
Tracez la variation du taux d'assurance (y) par rapport au taux de 2013 (x).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code