Охват медицинским страхованием
Закон о доступном медицинском обслуживании вступил в силу в 2014 году. Одной из его целей было повышение охвата медицинским страхованием среди молодых здоровых взрослых. Изменился ли охват страхованием среди людей в возрасте от 19 до 25 лет после принятия этого закона? Давайте рассчитаем изменение охвата в процентных пунктах по штатам, а затем построим график зависимости этого изменения от начального уровня охвата.
Таблица ACS B27022 — «Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25» — уже загружена. Названия столбцов (выведены в консоль) отражают разбивку по полу (m/f), статусу обучения (school/noschool) и наличию страховки (insured/uninsured).
Напоминаем, что на протяжении всего курса мы работаем с процентными значениями.
pandas и seaborn импортированы с обычными псевдонимами.
Это упражнение является частью курса
Анализ данных переписи населения США в Python
Инструкции к упражнению
- Рассчитайте процент застрахованных как 100, умноженное на
insured_totalи делённое наtotal(общую численность населения) - Создайте сводную таблицу
states_pvt, где строки соответствуют штатам (index = "state"), столбцы — годам (columns = "year"), а значения задаются параметромvalues = "pct_insured" - Вычислите изменение доли застрахованных, вычтя
pct_insured_2013изpct_insured_2017 - Постройте график изменения охвата страхованием (
y) в зависимости от его уровня в 2013 году (x)
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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()