स्वास्थ्य बीमा कवरेज
Affordable Care Act 2014 में प्रभावी हुआ. इसका एक उद्देश्य स्वस्थ युवा वयस्कों में स्वास्थ्य बीमा कवरेज बढ़ाना था. क्या 19–25 वर्ष आयु समूह में Affordable Care Act के लागू होने के बाद स्वास्थ्य बीमा कवरेज में बदलाव आया है? आइए राज्य-वार कवरेज में प्रतिशत-बिंदु बदलाव की गणना करें. फिर इस बदलाव को शुरुआती कवरेज प्रतिशत के मुकाबले प्लॉट करें.
ACS Table B27022 - "Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25" लोड कर दी गई है. कंसोल पर प्रिंट हुए कॉलम नाम यह दर्शाते हैं कि डेटा लिंग (m/f), स्कूल एनरोलमेंट (school/noschool) और इंश्योरेंस स्टेटस (insured/uninsured) के आधार पर ब्रेकडाउन है.
ध्यान दिलाने के लिए, इस पूरे कोर्स में हम प्रतिशत का ही उपयोग कर रहे हैं.
pandas और seaborn सामान्य उपनामों के साथ इम्पोर्ट किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में US Census डेटा का विश्लेषण
अभ्यास निर्देश
insured_totalको 100 से गुणा करके, उसेtotalजनसंख्या से भाग दें और बीमा-धारक प्रतिशत निकालें- एक पिवट टेबल
states_pvtबनाएँ, जिसमें पंक्तियाँ राज्यों का प्रतिनिधित्व करें (index = "state"), कॉलम वर्षों के हों (columns = "year"), औरvalues"pct_insured"हों - बीमा-धारक प्रतिशत में बदलाव की गणना
pct_insured_2017में सेpct_insured_2013घटाकर करें - 2013 की दर (
x) के मुकाबले बीमा दर में बदलाव (y) को प्लॉट करें
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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()