Медичне страхування
Закон про доступне медичне обслуговування (Affordable Care Act) набув чинності у 2014 році. Одна з його цілей — підвищити охоплення медичним страхуванням серед здорових молодих дорослих. Чи змінилося охоплення медичним страхуванням серед осіб 19–25 років після ухвалення цього закону? Давайте обчислимо зміну охоплення у відсоткових пунктах по штатах. Потім побудуємо графік залежності цієї зміни від початкового рівня охоплення.
ACS таблиця B27022 — «Health Insurance Coverage Status By Sex By Enrollment Status For Young Adults Aged 19 To 25» — уже завантажена. Назви стовпців (виведені в консоль) відображають поділ за статтю (m/f), статусом навчання (school/noschool) і страховим статусом (insured/uninsured).
Нагадаємо, у цьому курсі ми всюди використовуємо відсотки.
pandas і seaborn імпортовано з типовими псевдонімами.
Ця вправа є частиною курсу
Аналіз даних перепису США в Python
Інструкції до вправи
- Обчисліть відсоток застрахованих як 100, помножене на
insured_total, поділене на загальну чисельністьtotal - Створіть зведену таблицю
states_pvt, де рядки — це штати (index = "state"), стовпці — роки (columns = "year"), аvalues—"pct_insured" - Обчисліть зміну у відсотку застрахованих, віднявши
pct_insured_2013відpct_insured_2017 - Побудуйте графік: зміну рівня страхування (
y) проти рівня у 2013 році (x)
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()