Um extrato CSV guarda todas as datas como texto, então o primeiro trabalho é dar tipo às colunas. pd.to_datetime transforma o texto em datas que podem ser subtraídas:
encounters["admit_date"] = pd.to_datetime(encounters["admit_date"])
encounters["discharge_date"] = pd.to_datetime(encounters["discharge_date"])
los = (encounters["discharge_date"] - encounters["admit_date"]).dt.days
Duas datas se subtraem num intervalo de tempo (um timedelta); .dt.days o transforma em dias inteiros. Este curso conta o tempo de internação como data de alta menos data de entrada, então uma internação no mesmo dia é 0 dias. Nunca some 1.
Um paciente que continua num leito não tem data de alta. O pandas lê a célula vazia como um valor que falta (NaN, ou NaT quando a coluna já tem datas), então .isna() encontra as internações abertas e .notna() mantém as que terminaram.
Filtre antes de medir: encounters[encounters["encounter_type"] == "inpatient"]. A observação é outro status. Para as partes, value_counts(normalize=True) divide cada contagem pelo número de valores que contou, deixando de fora os que faltam.