Cobertura de Plano de Saúde
O Affordable Care Act entrou em vigor em 2014. Um de seus objetivos era aumentar a cobertura de plano de saúde entre jovens adultos saudáveis. A cobertura entre pessoas de 19 a 25 anos mudou com a aprovação do Affordable Care Act? Vamos calcular a variação, em pontos percentuais, da cobertura por estado. Depois, vamos plotar essa variação em relação à taxa inicial de cobertura.
A Tabela B27022 da ACS - "Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25" foi carregada. Os nomes das colunas (impressos no console) indicam os recortes por sexo (m/f), matrícula escolar (school/noschool) e seguro (insured/uninsured).
Lembrando: estamos usando percentuais ao longo do curso.
pandas e seaborn já foram importados usando os aliases de sempre.
Este exercício faz parte do curso
Analisando dados do Censo dos EUA em Python
Instruções do exercício
- Calcule o percentual com plano como 100 vezes
insured_total, dividido pela populaçãototal - Crie uma tabela dinâmica
states_pvtcom linhas representando os estados (index = "state"), colunas como anos (columns = "year") evaluescomo"pct_insured" - Calcule a variação no percentual com plano subtraindo
pct_insured_2013depct_insured_2017 - Faça um gráfico da variação na taxa de cobertura (
y) em função da taxa de 2013 (x)
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()