เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ความครอบคลุมของประกันสุขภาพ

กฎหมาย Affordable Care Act มีผลบังคับใช้ในปี 2014 โดยมีเป้าหมายหนึ่งคือเพิ่มความครอบคลุมของประกันสุขภาพในกลุ่มผู้ใหญ่วัยหนุ่มสาวที่มีสุขภาพดี ความครอบคลุมของประกันสุขภาพในกลุ่มอายุ 19-25 ปีเปลี่ยนแปลงไปอย่างไรหลังจากกฎหมายนี้ผ่าน? มาคำนวณการเปลี่ยนแปลงเป็น percentage point ของความครอบคลุมในแต่ละรัฐ แล้วพล็อตการเปลี่ยนแปลงนั้นเทียบกับอัตราความครอบคลุมเริ่มต้น

มีการโหลดตาราง ACS B27022 - "Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25" ไว้แล้ว ชื่อคอลัมน์ (ที่พิมพ์ออกมาในคอนโซล) แสดงการแบ่งตามเพศ (m/f) สถานะการลงทะเบียนเรียน (school/noschool) และการมีประกัน (insured/uninsured)

ขอให้ทราบว่าในคอร์สนี้เราใช้หน่วยเป็นเปอร์เซ็นต์ตลอด

มีการ import pandas และ seaborn ด้วยชื่อย่อปกติแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลสำมะโนประชากรสหรัฐฯ ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณเปอร์เซ็นต์ผู้มีประกัน โดยนำ insured_total คูณ 100 แล้วหารด้วยประชากร total
  • สร้าง pivot table ชื่อ states_pvt โดยให้แถวแทนรัฐ (index = "state"), คอลัมน์แทนปี (columns = "year") และ values เป็น "pct_insured"
  • คำนวณการเปลี่ยนแปลงของเปอร์เซ็นต์ผู้มีประกัน โดยนำ pct_insured_2013 ลบออกจาก pct_insured_2017
  • พล็อตการเปลี่ยนแปลงของอัตราการมีประกัน (y) เทียบกับอัตราในปี 2013 (x)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด