Zorgverzekeringsdekking
De Affordable Care Act trad in 2014 in werking. Een van de doelen was om de zorgverzekeringsdekking onder gezonde jongvolwassenen te vergroten. Is de dekking onder 19-25-jarigen veranderd na de invoering van de Affordable Care Act? Laten we de verandering in procentpunten per staat berekenen. Plot daarna de verandering tegen het oorspronkelijke dekkingspercentage.
ACS-tabel B27022 - "Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25" is geladen. Kolomnamen (afgedrukt in de console) geven onderverdelingen aan naar geslacht (m/f), schoolinschrijving (school/noschool) en verzekering (insured/uninsured).
Ter herinnering: we gebruiken in deze cursus overal percentages.
pandas en seaborn zijn geïmporteerd met de gebruikelijke aliassen.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in Python
Oefeninstructies
- Bereken het percentage verzekerd als 100 maal de
insured_total, gedeeld door de totaletotal-bevolking - Maak een draaitabel
states_pvtmet rijen voor staten (index = "state"), kolommen als jaren (columns = "year"), envaluesals"pct_insured" - Bereken de verandering in percentage verzekerd door
pct_insured_2013af te trekken vanpct_insured_2017 - Plot de verandering in verzekeringspercentage (
y) tegen het percentage in 2013 (x)
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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()