Pandas Part II

Reading external files (xlsx)

import requests
from openpyxl import load_workbook

url = 'https://www.ers.usda.gov/webdocs/DataFiles/48747/PovertyEstimates.xlsx?v=9655.3'
output_file = 'PovertyEstimates.xlsx'  # Name of the local copy

response = requests.get(url)

if response.status_code == 200:
    with open(output_file, 'wb') as file:
        file.write(response.content)
    print(f"File '{output_file}' downloaded successfully.")

    # Optional: Check the content of the downloaded XLSX file
    wb = load_workbook(output_file)
    sheets = wb.sheetnames
    print(f"Excel file contains the following sheets: {sheets}")
    # You can now work with the Excel file as needed
    
else:
    print(f"Failed to download the file. Status code: {response.status_code}")

File 'PovertyEstimates.xlsx' downloaded successfully.
Excel file contains the following sheets: ['PovertyEstimates', 'Variable Descriptions']

import pandas as pd
file_path = 'PovertyEstimates.xlsx'
xls = pd.ExcelFile(file_path)

xls.sheet_names

['PovertyEstimates', 'Variable Descriptions']

var_df = pd.read_excel(file_path, 'Variable Descriptions')

var_df.head()

	Column variable name	Description
0	FIPS_Code	State-county Federal Information Processing St...
1	Stabr	State abbreviation
2	Area_name	Area name
3	Rural-urban_Continuum_Code_2003	Rural-Urban Continuum Code, 2003
4	Urban_Influence_Code_2003	Urban Influence Code, 2003

var_df.shape

(34, 2)

var_df

	Column variable name	Description
0	FIPS_Code	State-county Federal Information Processing St...
1	Stabr	State abbreviation
2	Area_name	Area name
3	Rural-urban_Continuum_Code_2003	Rural-Urban Continuum Code, 2003
4	Urban_Influence_Code_2003	Urban Influence Code, 2003
5	Rural-urban_Continuum_Code_2013	Rural-Urban Continuum Code, 2013
6	Urban_Influence_Code_ 2013	Urban Influence Code, 2013
7	POVALL_2021	Estimate of people of all ages in poverty 2021
8	CI90LBALL_2021	90 percent confidence interval lower bound of ...
9	CI90UBALL_2021	90 percent confidence interval upper bound of ...
10	PCTPOVALL_2021	Estimated percent of people of all ages in pov...
11	CI90LBALLP_2021	90 percent confidence interval lower bound of ...
12	CI90UBALLP_2021	90 percent confidence interval upper bound of ...
13	POV017_2021	Estimate of people age 0-17 in poverty 2021
14	CI90LB017_2021	90 percent confidence interval lower bound of ...
15	CI90UB017_2021	90 percent confidence interval upper bound of ...
16	PCTPOV017_2021	Estimated percent of people age 0-17 in povert...
17	CI90LB017P_2021	90 percent confidence interval lower bound of ...
18	CI90UB017P_2021	90 percent confidence interval upper bound of ...
19	POV517_2021	Estimate of related children age 5-17 in famil...
20	CI90LB517_2021	90 percent confidence interval lower bound of ...
21	CI90UB517_2021	90 percent confidence interval upper bound of ...
22	PCTPOV517_2021	Estimated percent of related children age 5-17...
23	CI90LB517P_2021	90 percent confidence interval lower bound of ...
24	CI90UB517P_2021	90 percent confidence interval upper bound of ...
25	MEDHHINC_2021	Estimate of median household income 2021
26	CI90LBINC_2021	90 percent confidence interval lower bound of ...
27	CI90UBINC_2021	90 percent confidence interval upper bound of ...
28	POV04_2021	Estimate of children ages 0 to 4 in poverty 20...
29	CI90LB04_2021	90 percent confidence interval lower bound of ...
30	CI90UB04_2021	90 percent confidence interval upper bound of ...
31	PCTPOV04_2021	Estimated percent of children ages 0 to 4 in p...
32	CI90LB04P_2021	90 percent confidence interval lower bound of ...
33	CI90UB04P_2021	90 percent confidence interval upper bound of ...

df = pd.read_excel(file_path, 'PovertyEstimates')

df.head()

	Poverty estimates for U.S., States, and counties, 2021	Unnamed: 1	Unnamed: 2	Unnamed: 3	Unnamed: 4	Unnamed: 5	Unnamed: 6	Unnamed: 7	Unnamed: 8	Unnamed: 9	...	Unnamed: 24	Unnamed: 25	Unnamed: 26	Unnamed: 27	Unnamed: 28	Unnamed: 29	Unnamed: 30	Unnamed: 31	Unnamed: 32	Unnamed: 33
0	Source: U.S. Department of Commerce, Bureau of...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1	For definitions of rural classifications, see ...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2	This table was prepared by USDA, Economic Rese...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
3	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	CI90UB517P_2021	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021
4	00000	US	United States	NaN	NaN	NaN	NaN	41393176	41149497	41636855	...	16.3	69717	69583	69851	3349149	3299669	3398629	18.3	18	18.6

5 rows × 34 columns

df = pd.read_excel(file_path, 'PovertyEstimates', skiprows=4)

df.head()

	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	CI90UB517P_2021	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021
0	0	US	United States	NaN	NaN	NaN	NaN	41393176.0	41149497.0	41636855.0	...	16.3	69717.0	69583.0	69851.0	3349149.0	3299669.0	3398629.0	18.3	18.0	18.6
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	800848.0	782169.0	819527.0	...	22.5	53990.0	53218.0	54762.0	71220.0	66888.0	75552.0	25.1	23.6	26.6
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	6296.0	4772.0	7820.0	...	20.4	66444.0	60061.0	72827.0	NaN	NaN	NaN	NaN	NaN	NaN
3	1003	AL	Baldwin County	4.0	5.0	3.0	2.0	25526.0	21599.0	29453.0	...	18.5	65658.0	60723.0	70593.0	NaN	NaN	NaN	NaN	NaN	NaN
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	5089.0	3773.0	6405.0	...	44.6	38649.0	34308.0	42990.0	NaN	NaN	NaN	NaN	NaN	NaN

5 rows × 34 columns

df.shape

(3195, 34)

df.dtypes

FIPS_Code                            int64
Stabr                               object
Area_name                           object
Rural-urban_Continuum_Code_2003    float64
Urban_Influence_Code_2003          float64
Rural-urban_Continuum_Code_2013    float64
Urban_Influence_Code_ 2013         float64
POVALL_2021                        float64
CI90LBALL_2021                     float64
CI90UBALL_2021                     float64
PCTPOVALL_2021                     float64
CI90LBALLP_2021                    float64
CI90UBALLP_2021                    float64
POV017_2021                        float64
CI90LB017_2021                     float64
CI90UB017_2021                     float64
PCTPOV017_2021                     float64
CI90LB017P_2021                    float64
CI90UB017P_2021                    float64
POV517_2021                        float64
CI90LB517_2021                     float64
CI90UB517_2021                     float64
PCTPOV517_2021                     float64
CI90LB517P_2021                    float64
CI90UB517P_2021                    float64
MEDHHINC_2021                      float64
CI90LBINC_2021                     float64
CI90UBINC_2021                     float64
POV04_2021                         float64
CI90LB04_2021                      float64
CI90UB04_2021                      float64
PCTPOV04_2021                      float64
CI90LB04P_2021                     float64
CI90UB04P_2021                     float64
dtype: object

df['fips_str'] = df.FIPS_Code.astype(str).str.zfill(5)

df.fips_str

0       00000
1       01000
2       01001
3       01003
4       01005
        ...  
3190    56037
3191    56039
3192    56041
3193    56043
3194    56045
Name: fips_str, Length: 3195, dtype: object

df[['FIPS_Code', 'fips_str']]

	FIPS_Code	fips_str
0	0	00000
1	1000	01000
2	1001	01001
3	1003	01003
4	1005	01005
...	...	...
3190	56037	56037
3191	56039	56039
3192	56041	56041
3193	56043	56043
3194	56045	56045

3195 rows × 2 columns

df.head()

	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021	fips_str
0	0	US	United States	NaN	NaN	NaN	NaN	41393176.0	41149497.0	41636855.0	...	69717.0	69583.0	69851.0	3349149.0	3299669.0	3398629.0	18.3	18.0	18.6	00000
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	800848.0	782169.0	819527.0	...	53990.0	53218.0	54762.0	71220.0	66888.0	75552.0	25.1	23.6	26.6	01000
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	6296.0	4772.0	7820.0	...	66444.0	60061.0	72827.0	NaN	NaN	NaN	NaN	NaN	NaN	01001
3	1003	AL	Baldwin County	4.0	5.0	3.0	2.0	25526.0	21599.0	29453.0	...	65658.0	60723.0	70593.0	NaN	NaN	NaN	NaN	NaN	NaN	01003
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	5089.0	3773.0	6405.0	...	38649.0	34308.0	42990.0	NaN	NaN	NaN	NaN	NaN	NaN	01005

5 rows × 35 columns

df[df.Stabr=='AL']

	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021	fips_str
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	800848.0	782169.0	819527.0	...	53990.0	53218.0	54762.0	71220.0	66888.0	75552.0	25.1	23.6	26.6	01000
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	6296.0	4772.0	7820.0	...	66444.0	60061.0	72827.0	NaN	NaN	NaN	NaN	NaN	NaN	01001
3	1003	AL	Baldwin County	4.0	5.0	3.0	2.0	25526.0	21599.0	29453.0	...	65658.0	60723.0	70593.0	NaN	NaN	NaN	NaN	NaN	NaN	01003
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	5089.0	3773.0	6405.0	...	38649.0	34308.0	42990.0	NaN	NaN	NaN	NaN	NaN	NaN	01005
5	1007	AL	Bibb County	1.0	1.0	1.0	1.0	4204.0	3324.0	5084.0	...	48454.0	42438.0	54470.0	NaN	NaN	NaN	NaN	NaN	NaN	01007
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
64	1125	AL	Tuscaloosa County	3.0	2.0	3.0	2.0	31735.0	26867.0	36603.0	...	56274.0	52677.0	59871.0	NaN	NaN	NaN	NaN	NaN	NaN	01125
65	1127	AL	Walker County	1.0	1.0	1.0	1.0	12877.0	10967.0	14787.0	...	46343.0	41443.0	51243.0	NaN	NaN	NaN	NaN	NaN	NaN	01127
66	1129	AL	Washington County	8.0	7.0	8.0	7.0	3091.0	2505.0	3677.0	...	49795.0	43655.0	55935.0	NaN	NaN	NaN	NaN	NaN	NaN	01129
67	1131	AL	Wilcox County	8.0	7.0	9.0	10.0	3340.0	2578.0	4102.0	...	30071.0	26647.0	33495.0	NaN	NaN	NaN	NaN	NaN	NaN	01131
68	1133	AL	Winston County	6.0	4.0	6.0	4.0	4455.0	3624.0	5286.0	...	47176.0	41809.0	52543.0	NaN	NaN	NaN	NaN	NaN	NaN	01133

68 rows × 35 columns

df[df.Stabr=='CA']

	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021	fips_str
192	6000	CA	California	NaN	NaN	NaN	NaN	4742405.0	4689999.0	4794811.0	...	84831.0	84292.0	85370.0	339169.0	326796.0	351542.0	15.8	15.2	16.4	06000
193	6001	CA	Alameda County	1.0	1.0	1.0	1.0	152654.0	140318.0	164990.0	...	108971.0	106170.0	111772.0	NaN	NaN	NaN	NaN	NaN	NaN	06001
194	6003	CA	Alpine County	8.0	4.0	8.0	4.0	194.0	148.0	240.0	...	87570.0	80899.0	94241.0	NaN	NaN	NaN	NaN	NaN	NaN	06003
195	6005	CA	Amador County	6.0	4.0	6.0	4.0	4104.0	3139.0	5069.0	...	68159.0	61507.0	74811.0	NaN	NaN	NaN	NaN	NaN	NaN	06005
196	6007	CA	Butte County	3.0	2.0	3.0	2.0	33874.0	30026.0	37722.0	...	62982.0	60248.0	65716.0	NaN	NaN	NaN	NaN	NaN	NaN	06007
197	6009	CA	Calaveras County	6.0	6.0	6.0	6.0	6198.0	5078.0	7318.0	...	68298.0	61082.0	75514.0	NaN	NaN	NaN	NaN	NaN	NaN	06009
198	6011	CA	Colusa County	6.0	4.0	6.0	4.0	2466.0	1901.0	3031.0	...	60725.0	53787.0	67663.0	NaN	NaN	NaN	NaN	NaN	NaN	06011
199	6013	CA	Contra Costa County	1.0	1.0	1.0	1.0	100948.0	92022.0	109874.0	...	110595.0	107542.0	113648.0	NaN	NaN	NaN	NaN	NaN	NaN	06013
200	6015	CA	Del Norte County	7.0	8.0	7.0	8.0	5368.0	4316.0	6420.0	...	48108.0	42824.0	53392.0	NaN	NaN	NaN	NaN	NaN	NaN	06015
201	6017	CA	El Dorado County	1.0	1.0	1.0	1.0	16839.0	14045.0	19633.0	...	87689.0	80889.0	94489.0	NaN	NaN	NaN	NaN	NaN	NaN	06017
202	6019	CA	Fresno County	2.0	2.0	2.0	2.0	193449.0	179983.0	206915.0	...	63140.0	61332.0	64948.0	NaN	NaN	NaN	NaN	NaN	NaN	06019
203	6021	CA	Glenn County	6.0	6.0	6.0	6.0	4397.0	3560.0	5234.0	...	56741.0	50379.0	63103.0	NaN	NaN	NaN	NaN	NaN	NaN	06021
204	6023	CA	Humboldt County	5.0	8.0	5.0	8.0	25781.0	22760.0	28802.0	...	53924.0	49868.0	57980.0	NaN	NaN	NaN	NaN	NaN	NaN	06023
205	6025	CA	Imperial County	3.0	2.0	3.0	2.0	29738.0	24540.0	34936.0	...	50970.0	48099.0	53841.0	NaN	NaN	NaN	NaN	NaN	NaN	06025
206	6027	CA	Inyo County	7.0	8.0	7.0	11.0	2382.0	1903.0	2861.0	...	62381.0	55355.0	69407.0	NaN	NaN	NaN	NaN	NaN	NaN	06027
207	6029	CA	Kern County	2.0	2.0	2.0	2.0	164169.0	149799.0	178539.0	...	57926.0	54723.0	61129.0	NaN	NaN	NaN	NaN	NaN	NaN	06029
208	6031	CA	Kings County	3.0	2.0	3.0	2.0	24295.0	20420.0	28170.0	...	60810.0	57040.0	64580.0	NaN	NaN	NaN	NaN	NaN	NaN	06031
209	6033	CA	Lake County	4.0	5.0	4.0	5.0	11196.0	8683.0	13709.0	...	55801.0	51767.0	59835.0	NaN	NaN	NaN	NaN	NaN	NaN	06033
210	6035	CA	Lassen County	6.0	6.0	7.0	8.0	4805.0	3867.0	5743.0	...	56923.0	51387.0	62459.0	NaN	NaN	NaN	NaN	NaN	NaN	06035
211	6037	CA	Los Angeles County	1.0	1.0	1.0	1.0	1365808.0	1324191.0	1407425.0	...	77356.0	76664.0	78048.0	NaN	NaN	NaN	NaN	NaN	NaN	06037
212	6039	CA	Madera County	3.0	2.0	3.0	2.0	31044.0	27214.0	34874.0	...	60241.0	54963.0	65519.0	NaN	NaN	NaN	NaN	NaN	NaN	06039
213	6041	CA	Marin County	1.0	1.0	1.0	1.0	19734.0	16455.0	23013.0	...	118472.0	110912.0	126032.0	NaN	NaN	NaN	NaN	NaN	NaN	06041
214	6043	CA	Mariposa County	8.0	7.0	8.0	7.0	2387.0	1808.0	2966.0	...	60377.0	54124.0	66630.0	NaN	NaN	NaN	NaN	NaN	NaN	06043
215	6045	CA	Mendocino County	4.0	5.0	4.0	5.0	14539.0	11887.0	17191.0	...	57516.0	51658.0	63374.0	NaN	NaN	NaN	NaN	NaN	NaN	06045
216	6047	CA	Merced County	3.0	2.0	2.0	2.0	61359.0	55535.0	67183.0	...	54703.0	51436.0	57970.0	NaN	NaN	NaN	NaN	NaN	NaN	06047
217	6049	CA	Modoc County	6.0	6.0	6.0	6.0	1688.0	1307.0	2069.0	...	49273.0	44364.0	54182.0	NaN	NaN	NaN	NaN	NaN	NaN	06049
218	6051	CA	Mono County	7.0	9.0	7.0	11.0	1278.0	973.0	1583.0	...	70945.0	62471.0	79419.0	NaN	NaN	NaN	NaN	NaN	NaN	06051
219	6053	CA	Monterey County	2.0	2.0	2.0	2.0	50725.0	43455.0	57995.0	...	81404.0	79343.0	83465.0	NaN	NaN	NaN	NaN	NaN	NaN	06053
220	6055	CA	Napa County	3.0	2.0	3.0	2.0	11814.0	9909.0	13719.0	...	94127.0	88895.0	99359.0	NaN	NaN	NaN	NaN	NaN	NaN	06055
221	6057	CA	Nevada County	4.0	3.0	4.0	3.0	12141.0	10287.0	13995.0	...	77220.0	70966.0	83474.0	NaN	NaN	NaN	NaN	NaN	NaN	06057
222	6059	CA	Orange County	1.0	1.0	1.0	1.0	309402.0	290860.0	327944.0	...	100210.0	98704.0	101716.0	NaN	NaN	NaN	NaN	NaN	NaN	06059
223	6061	CA	Placer County	1.0	1.0	1.0	1.0	26816.0	23108.0	30524.0	...	103588.0	100310.0	106866.0	NaN	NaN	NaN	NaN	NaN	NaN	06061
224	6063	CA	Plumas County	7.0	12.0	7.0	12.0	2545.0	1946.0	3144.0	...	58154.0	52309.0	63999.0	NaN	NaN	NaN	NaN	NaN	NaN	06063
225	6065	CA	Riverside County	1.0	1.0	1.0	1.0	282068.0	261203.0	302933.0	...	78690.0	77268.0	80112.0	NaN	NaN	NaN	NaN	NaN	NaN	06065
226	6067	CA	Sacramento County	1.0	1.0	1.0	1.0	203413.0	188841.0	217985.0	...	79611.0	77617.0	81605.0	NaN	NaN	NaN	NaN	NaN	NaN	06067
227	6069	CA	San Benito County	1.0	1.0	1.0	1.0	5899.0	4633.0	7165.0	...	95187.0	87067.0	103307.0	NaN	NaN	NaN	NaN	NaN	NaN	06069
228	6071	CA	San Bernardino County	1.0	1.0	1.0	1.0	285474.0	263941.0	307007.0	...	74218.0	72378.0	76058.0	NaN	NaN	NaN	NaN	NaN	NaN	06071
229	6073	CA	San Diego County	1.0	1.0	1.0	1.0	340522.0	320076.0	360968.0	...	90756.0	89622.0	91890.0	NaN	NaN	NaN	NaN	NaN	NaN	06073
230	6075	CA	San Francisco County	1.0	1.0	1.0	1.0	90898.0	83583.0	98213.0	...	119776.0	115563.0	123989.0	NaN	NaN	NaN	NaN	NaN	NaN	06075
231	6077	CA	San Joaquin County	2.0	2.0	2.0	2.0	95382.0	83774.0	106990.0	...	79598.0	77211.0	81985.0	NaN	NaN	NaN	NaN	NaN	NaN	06077
232	6079	CA	San Luis Obispo County	3.0	2.0	2.0	2.0	35120.0	31122.0	39118.0	...	79688.0	75932.0	83444.0	NaN	NaN	NaN	NaN	NaN	NaN	06079
233	6081	CA	San Mateo County	1.0	1.0	1.0	1.0	49900.0	43747.0	56053.0	...	131151.0	127714.0	134588.0	NaN	NaN	NaN	NaN	NaN	NaN	06081
234	6083	CA	Santa Barbara County	2.0	2.0	2.0	2.0	65029.0	59277.0	70781.0	...	83185.0	79921.0	86449.0	NaN	NaN	NaN	NaN	NaN	NaN	06083
235	6085	CA	Santa Clara County	1.0	1.0	1.0	1.0	128955.0	117767.0	140143.0	...	141161.0	138832.0	143490.0	NaN	NaN	NaN	NaN	NaN	NaN	06085
236	6087	CA	Santa Cruz County	2.0	2.0	2.0	2.0	27132.0	22485.0	31779.0	...	90370.0	84679.0	96061.0	NaN	NaN	NaN	NaN	NaN	NaN	06087
237	6089	CA	Shasta County	3.0	2.0	3.0	2.0	25141.0	21256.0	29026.0	...	60187.0	56764.0	63610.0	NaN	NaN	NaN	NaN	NaN	NaN	06089
238	6091	CA	Sierra County	8.0	7.0	8.0	7.0	398.0	300.0	496.0	...	60659.0	53239.0	68079.0	NaN	NaN	NaN	NaN	NaN	NaN	06091
239	6093	CA	Siskiyou County	7.0	11.0	6.0	6.0	7301.0	6005.0	8597.0	...	50069.0	45178.0	54960.0	NaN	NaN	NaN	NaN	NaN	NaN	06093
240	6095	CA	Solano County	2.0	2.0	2.0	2.0	44037.0	37963.0	50111.0	...	87348.0	84016.0	90680.0	NaN	NaN	NaN	NaN	NaN	NaN	06095
241	6097	CA	Sonoma County	2.0	2.0	2.0	2.0	43661.0	38372.0	48950.0	...	92999.0	89380.0	96618.0	NaN	NaN	NaN	NaN	NaN	NaN	06097
242	6099	CA	Stanislaus County	2.0	2.0	2.0	2.0	76921.0	67090.0	86752.0	...	73151.0	70938.0	75364.0	NaN	NaN	NaN	NaN	NaN	NaN	06099
243	6101	CA	Sutter County	3.0	2.0	3.0	2.0	15224.0	12930.0	17518.0	...	63246.0	58462.0	68030.0	NaN	NaN	NaN	NaN	NaN	NaN	06101
244	6103	CA	Tehama County	4.0	5.0	4.0	5.0	10107.0	8151.0	12063.0	...	53654.0	47435.0	59873.0	NaN	NaN	NaN	NaN	NaN	NaN	06103
245	6105	CA	Trinity County	8.0	6.0	8.0	6.0	3010.0	2307.0	3713.0	...	45508.0	39960.0	51056.0	NaN	NaN	NaN	NaN	NaN	NaN	06105
246	6107	CA	Tulare County	2.0	2.0	2.0	2.0	88367.0	78219.0	98515.0	...	57398.0	54157.0	60639.0	NaN	NaN	NaN	NaN	NaN	NaN	06107
247	6109	CA	Tuolumne County	4.0	5.0	4.0	5.0	6848.0	5388.0	8308.0	...	61396.0	54884.0	67908.0	NaN	NaN	NaN	NaN	NaN	NaN	06109
248	6111	CA	Ventura County	2.0	2.0	2.0	2.0	73968.0	66079.0	81857.0	...	95819.0	93275.0	98363.0	NaN	NaN	NaN	NaN	NaN	NaN	06111
249	6113	CA	Yolo County	1.0	1.0	1.0	1.0	30708.0	27369.0	34047.0	...	76247.0	71083.0	81411.0	NaN	NaN	NaN	NaN	NaN	NaN	06113
250	6115	CA	Yuba County	3.0	2.0	3.0	2.0	12784.0	10305.0	15263.0	...	60764.0	56731.0	64797.0	NaN	NaN	NaN	NaN	NaN	NaN	06115

59 rows × 35 columns

states = df[df.fips_str.str.endswith('000')]

states

	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021	fips_str
0	0	US	United States	NaN	NaN	NaN	NaN	41393176.0	41149497.0	41636855.0	...	69717.0	69583.0	69851.0	3349149.0	3299669.0	3398629.0	18.3	18.0	18.6	00000
1	1000	AL	Alabama	NaN	NaN	NaN	NaN	800848.0	782169.0	819527.0	...	53990.0	53218.0	54762.0	71220.0	66888.0	75552.0	25.1	23.6	26.6	01000
69	2000	AK	Alaska	NaN	NaN	NaN	NaN	77736.0	74178.0	81294.0	...	78437.0	76456.0	80418.0	6633.0	5796.0	7470.0	14.1	12.3	15.9	02000
100	4000	AZ	Arizona	NaN	NaN	NaN	NaN	919680.0	900349.0	939011.0	...	68967.0	68287.0	69647.0	76649.0	71494.0	81804.0	19.7	18.4	21.0	04000
116	5000	AR	Arkansas	NaN	NaN	NaN	NaN	471195.0	458260.0	484130.0	...	52577.0	51595.0	53559.0	45096.0	42186.0	48006.0	25.5	23.9	27.1	05000
192	6000	CA	California	NaN	NaN	NaN	NaN	4742405.0	4689999.0	4794811.0	...	84831.0	84292.0	85370.0	339169.0	326796.0	351542.0	15.8	15.2	16.4	06000
251	8000	CO	Colorado	NaN	NaN	NaN	NaN	554126.0	540035.0	568217.0	...	82228.0	81447.0	83009.0	39308.0	35584.0	43032.0	12.8	11.6	14.0	08000
316	9000	CT	Connecticut	NaN	NaN	NaN	NaN	355861.0	344138.0	367584.0	...	83628.0	82542.0	84714.0	24150.0	21569.0	26731.0	13.9	12.4	15.4	09000
325	10000	DE	Delaware	NaN	NaN	NaN	NaN	113026.0	107766.0	118286.0	...	71636.0	69940.0	73332.0	9694.0	8679.0	10709.0	18.6	16.6	20.6	10000
329	11000	DC	District of Columbia	NaN	NaN	NaN	NaN	107307.0	101426.0	113188.0	...	91072.0	88170.0	93974.0	9444.0	8334.0	10554.0	24.3	21.4	27.2	11000
331	12000	FL	Florida	NaN	NaN	NaN	NaN	2830813.0	2790138.0	2871488.0	...	63054.0	62631.0	63477.0	212346.0	200017.0	224675.0	19.8	18.7	20.9	12000
399	13000	GA	Georgia	NaN	NaN	NaN	NaN	1493837.0	1463589.0	1524085.0	...	66507.0	65802.0	67212.0	135538.0	128008.0	143068.0	22.0	20.8	23.2	13000
559	15000	HI	Hawaii	NaN	NaN	NaN	NaN	152656.0	146272.0	159040.0	...	85547.0	83548.0	87546.0	10150.0	8658.0	11642.0	12.9	11.0	14.8	15000
565	16000	ID	Idaho	NaN	NaN	NaN	NaN	202091.0	193474.0	210708.0	...	66318.0	64668.0	67968.0	17074.0	15118.0	19030.0	15.4	13.6	17.2	16000
610	17000	IL	Illinois	NaN	NaN	NaN	NaN	1493042.0	1465135.0	1520949.0	...	72215.0	71645.0	72785.0	120015.0	114563.0	125467.0	17.5	16.7	18.3	17000
713	18000	IN	Indiana	NaN	NaN	NaN	NaN	799733.0	782428.0	817038.0	...	62723.0	62015.0	63431.0	69805.0	64751.0	74859.0	17.7	16.4	19.0	18000
806	19000	IA	Iowa	NaN	NaN	NaN	NaN	340626.0	329373.0	351879.0	...	65645.0	64876.0	66414.0	24541.0	22373.0	26709.0	13.3	12.1	14.5	19000
906	20000	KS	Kansas	NaN	NaN	NaN	NaN	332457.0	322234.0	342680.0	...	64128.0	63194.0	65062.0	27811.0	25370.0	30252.0	16.0	14.6	17.4	20000
1012	21000	KY	Kentucky	NaN	NaN	NaN	NaN	712023.0	697813.0	726233.0	...	55532.0	54838.0	56226.0	60772.0	57134.0	64410.0	23.6	22.2	25.0	21000
1133	22000	LA	Louisiana	NaN	NaN	NaN	NaN	878477.0	859106.0	897848.0	...	52090.0	51348.0	52832.0	80375.0	76164.0	84586.0	28.8	27.3	30.3	22000
1198	23000	ME	Maine	NaN	NaN	NaN	NaN	149571.0	143213.0	155929.0	...	64823.0	63604.0	66042.0	8895.0	7789.0	10001.0	14.7	12.9	16.5	23000
1215	24000	MD	Maryland	NaN	NaN	NaN	NaN	620829.0	603853.0	637805.0	...	90129.0	89087.0	91171.0	51970.0	47916.0	56024.0	15.0	13.8	16.2	24000
1240	25000	MA	Massachusetts	NaN	NaN	NaN	NaN	701700.0	685529.0	717871.0	...	89577.0	88330.0	90824.0	44332.0	40364.0	48300.0	13.1	11.9	14.3	25000
1255	26000	MI	Michigan	NaN	NaN	NaN	NaN	1283086.0	1261685.0	1304487.0	...	63444.0	62920.0	63968.0	104555.0	98778.0	110332.0	19.5	18.4	20.6	26000
1339	27000	MN	Minnesota	NaN	NaN	NaN	NaN	519437.0	507482.0	531392.0	...	77712.0	76812.0	78612.0	36651.0	33066.0	40236.0	11.1	10.0	12.2	27000
1427	28000	MS	Mississippi	NaN	NaN	NaN	NaN	549710.0	536691.0	562729.0	...	48871.0	47663.0	50079.0	51862.0	48648.0	55076.0	30.3	28.4	32.2	28000
1510	29000	MO	Missouri	NaN	NaN	NaN	NaN	765097.0	748927.0	781267.0	...	61815.0	61152.0	62478.0	63067.0	58984.0	67150.0	18.1	16.9	19.3	29000
1626	30000	MT	Montana	NaN	NaN	NaN	NaN	129910.0	124852.0	134968.0	...	63357.0	61990.0	64724.0	9726.0	8698.0	10754.0	17.2	15.4	19.0	30000
1683	31000	NE	Nebraska	NaN	NaN	NaN	NaN	201627.0	194607.0	208647.0	...	66949.0	65911.0	67987.0	16432.0	14419.0	18445.0	13.4	11.8	15.0	31000
1777	32000	NV	Nevada	NaN	NaN	NaN	NaN	433095.0	420882.0	445308.0	...	66194.0	65202.0	67186.0	36365.0	33278.0	39452.0	21.0	19.2	22.8	32000
1795	33000	NH	New Hampshire	NaN	NaN	NaN	NaN	99562.0	94623.0	104501.0	...	88268.0	86293.0	90243.0	5622.0	4665.0	6579.0	9.4	7.8	11.0	33000
1806	34000	NJ	New Jersey	NaN	NaN	NaN	NaN	925852.0	905573.0	946131.0	...	89227.0	88164.0	90290.0	76282.0	70767.0	81797.0	15.0	13.9	16.1	34000
1828	35000	NM	New Mexico	NaN	NaN	NaN	NaN	367050.0	354401.0	379699.0	...	54304.0	52878.0	55730.0	28231.0	25602.0	30860.0	25.1	22.8	27.4	35000
1862	36000	NY	New York	NaN	NaN	NaN	NaN	2703053.0	2668539.0	2737567.0	...	74230.0	73620.0	74840.0	207920.0	197263.0	218577.0	19.5	18.5	20.5	36000
1925	37000	NC	North Carolina	NaN	NaN	NaN	NaN	1383626.0	1357735.0	1409517.0	...	61997.0	61459.0	62535.0	116355.0	109438.0	123272.0	20.2	19.0	21.4	37000
2026	38000	ND	North Dakota	NaN	NaN	NaN	NaN	82270.0	78002.0	86538.0	...	67603.0	65854.0	69352.0	6455.0	5510.0	7400.0	12.9	11.0	14.8	38000
2080	39000	OH	Ohio	NaN	NaN	NaN	NaN	1523366.0	1498525.0	1548207.0	...	62286.0	61832.0	62740.0	135658.0	129038.0	142278.0	20.7	19.7	21.7	39000
2169	40000	OK	Oklahoma	NaN	NaN	NaN	NaN	599003.0	587366.0	610640.0	...	55829.0	55210.0	56448.0	56598.0	53190.0	60006.0	23.6	22.2	25.0	40000
2247	41000	OR	Oregon	NaN	NaN	NaN	NaN	507504.0	493784.0	521224.0	...	71441.0	70406.0	72476.0	29637.0	26737.0	32537.0	14.6	13.2	16.0	41000
2284	42000	PA	Pennsylvania	NaN	NaN	NaN	NaN	1503929.0	1480307.0	1527551.0	...	68931.0	68429.0	69433.0	116290.0	109264.0	123316.0	17.5	16.4	18.6	42000
2352	44000	RI	Rhode Island	NaN	NaN	NaN	NaN	126971.0	121343.0	132599.0	...	73324.0	71173.0	75475.0	9556.0	8437.0	10675.0	18.6	16.4	20.8	44000
2358	45000	SC	South Carolina	NaN	NaN	NaN	NaN	736098.0	719691.0	752505.0	...	59447.0	58606.0	60288.0	59011.0	55007.0	63015.0	21.5	20.0	23.0	45000
2405	46000	SD	South Dakota	NaN	NaN	NaN	NaN	103337.0	99076.0	107598.0	...	66843.0	64779.0	68907.0	9423.0	8334.0	10512.0	16.5	14.6	18.4	46000
2472	47000	TN	Tennessee	NaN	NaN	NaN	NaN	934856.0	915693.0	954019.0	...	59698.0	58920.0	60476.0	75501.0	70440.0	80562.0	19.3	18.0	20.6	47000
2568	48000	TX	Texas	NaN	NaN	NaN	NaN	4122799.0	4067445.0	4178153.0	...	66959.0	66448.0	67470.0	393888.0	378420.0	409356.0	21.2	20.4	22.0	48000
2823	49000	UT	Utah	NaN	NaN	NaN	NaN	286086.0	273709.0	298463.0	...	79449.0	78242.0	80656.0	22873.0	20451.0	25295.0	9.8	8.8	10.8	49000
2853	50000	VT	Vermont	NaN	NaN	NaN	NaN	63208.0	59860.0	66556.0	...	72415.0	70396.0	74434.0	3196.0	2682.0	3710.0	11.6	9.7	13.5	50000
2868	51000	VA	Virginia	NaN	NaN	NaN	NaN	862792.0	843622.0	881962.0	...	80926.0	80203.0	81649.0	69303.0	64164.0	74442.0	14.4	13.3	15.5	51000
3002	53000	WA	Washington	NaN	NaN	NaN	NaN	755589.0	738622.0	772556.0	...	84155.0	83322.0	84988.0	53637.0	48940.0	58334.0	12.7	11.6	13.8	53000
3042	54000	WV	West Virginia	NaN	NaN	NaN	NaN	291051.0	282054.0	300048.0	...	51122.0	50059.0	52185.0	21090.0	19436.0	22744.0	24.7	22.8	26.6	54000
3098	55000	WI	Wisconsin	NaN	NaN	NaN	NaN	622948.0	610655.0	635241.0	...	67150.0	66549.0	67751.0	44523.0	41734.0	47312.0	14.3	13.4	15.2	55000
3171	56000	WY	Wyoming	NaN	NaN	NaN	NaN	60226.0	56527.0	63925.0	...	66508.0	64077.0	68939.0	4455.0	3781.0	5129.0	14.2	12.0	16.4	56000

52 rows × 35 columns

counties = df[~df.fips_str.str.endswith('000')]

counties.head()

	FIPS_Code	Stabr	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	...	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021	fips_str
2	1001	AL	Autauga County	2.0	2.0	2.0	2.0	6296.0	4772.0	7820.0	...	66444.0	60061.0	72827.0	NaN	NaN	NaN	NaN	NaN	NaN	01001
3	1003	AL	Baldwin County	4.0	5.0	3.0	2.0	25526.0	21599.0	29453.0	...	65658.0	60723.0	70593.0	NaN	NaN	NaN	NaN	NaN	NaN	01003
4	1005	AL	Barbour County	6.0	6.0	6.0	6.0	5089.0	3773.0	6405.0	...	38649.0	34308.0	42990.0	NaN	NaN	NaN	NaN	NaN	NaN	01005
5	1007	AL	Bibb County	1.0	1.0	1.0	1.0	4204.0	3324.0	5084.0	...	48454.0	42438.0	54470.0	NaN	NaN	NaN	NaN	NaN	NaN	01007
6	1009	AL	Blount County	1.0	1.0	1.0	1.0	6992.0	5516.0	8468.0	...	56894.0	52632.0	61156.0	NaN	NaN	NaN	NaN	NaN	NaN	01009

5 rows × 35 columns

counties.shape

(3143, 35)

counties.groupby(by='Stabr').count()

	FIPS_Code	Area_name	Rural-urban_Continuum_Code_2003	Urban_Influence_Code_2003	Rural-urban_Continuum_Code_2013	Urban_Influence_Code_ 2013	POVALL_2021	CI90LBALL_2021	CI90UBALL_2021	PCTPOVALL_2021	...	MEDHHINC_2021	CI90LBINC_2021	CI90UBINC_2021	POV04_2021	CI90LB04_2021	CI90UB04_2021	PCTPOV04_2021	CI90LB04P_2021	CI90UB04P_2021	fips_str
Stabr
AK	30	30	23	23	28	28	30	30	30	30	...	30	30	30	0	0	0	0	0	0	30
AL	67	67	67	67	67	67	67	67	67	67	...	67	67	67	0	0	0	0	0	0	67
AR	75	75	75	75	75	75	75	75	75	75	...	75	75	75	0	0	0	0	0	0	75
AZ	15	15	15	15	15	15	15	15	15	15	...	15	15	15	0	0	0	0	0	0	15
CA	58	58	58	58	58	58	58	58	58	58	...	58	58	58	0	0	0	0	0	0	58
CO	64	64	64	64	64	64	64	64	64	64	...	64	64	64	0	0	0	0	0	0	64
CT	8	8	8	8	8	8	8	8	8	8	...	8	8	8	0	0	0	0	0	0	8
DC	1	1	1	1	1	1	1	1	1	1	...	1	1	1	0	0	0	0	0	0	1
DE	3	3	3	3	3	3	3	3	3	3	...	3	3	3	0	0	0	0	0	0	3
FL	67	67	67	67	67	67	67	67	67	67	...	67	67	67	0	0	0	0	0	0	67
GA	159	159	159	159	159	159	159	159	159	159	...	159	159	159	0	0	0	0	0	0	159
HI	5	5	5	5	5	5	4	4	4	4	...	4	4	4	0	0	0	0	0	0	5
IA	99	99	99	99	99	99	99	99	99	99	...	99	99	99	0	0	0	0	0	0	99
ID	44	44	44	44	44	44	44	44	44	44	...	44	44	44	0	0	0	0	0	0	44
IL	102	102	102	102	102	102	102	102	102	102	...	102	102	102	0	0	0	0	0	0	102
IN	92	92	92	92	92	92	92	92	92	92	...	92	92	92	0	0	0	0	0	0	92
KS	105	105	105	105	105	105	105	105	105	105	...	105	105	105	0	0	0	0	0	0	105
KY	120	120	120	120	120	120	120	120	120	120	...	120	120	120	0	0	0	0	0	0	120
LA	64	64	64	64	64	64	64	64	64	64	...	64	64	64	0	0	0	0	0	0	64
MA	14	14	14	14	14	14	14	14	14	14	...	14	14	14	0	0	0	0	0	0	14
MD	24	24	24	24	24	24	24	24	24	24	...	24	24	24	0	0	0	0	0	0	24
ME	16	16	16	16	16	16	16	16	16	16	...	16	16	16	0	0	0	0	0	0	16
MI	83	83	83	83	83	83	83	83	83	83	...	83	83	83	0	0	0	0	0	0	83
MN	87	87	87	87	87	87	87	87	87	87	...	87	87	87	0	0	0	0	0	0	87
MO	115	115	115	115	115	115	115	115	115	115	...	115	115	115	0	0	0	0	0	0	115
MS	82	82	82	82	82	82	82	82	82	82	...	82	82	82	0	0	0	0	0	0	82
MT	56	56	56	56	56	56	56	56	56	56	...	56	56	56	0	0	0	0	0	0	56
NC	100	100	100	100	100	100	100	100	100	100	...	100	100	100	0	0	0	0	0	0	100
ND	53	53	53	53	53	53	53	53	53	53	...	53	53	53	0	0	0	0	0	0	53
NE	93	93	93	93	93	93	93	93	93	93	...	93	93	93	0	0	0	0	0	0	93
NH	10	10	10	10	10	10	10	10	10	10	...	10	10	10	0	0	0	0	0	0	10
NJ	21	21	21	21	21	21	21	21	21	21	...	21	21	21	0	0	0	0	0	0	21
NM	33	33	33	33	33	33	33	33	33	33	...	33	33	33	0	0	0	0	0	0	33
NV	17	17	17	17	17	17	17	17	17	17	...	17	17	17	0	0	0	0	0	0	17
NY	62	62	62	62	62	62	62	62	62	62	...	62	62	62	0	0	0	0	0	0	62
OH	88	88	88	88	88	88	88	88	88	88	...	88	88	88	0	0	0	0	0	0	88
OK	77	77	77	77	77	77	77	77	77	77	...	77	77	77	0	0	0	0	0	0	77
OR	36	36	36	36	36	36	36	36	36	36	...	36	36	36	0	0	0	0	0	0	36
PA	67	67	67	67	67	67	67	67	67	67	...	67	67	67	0	0	0	0	0	0	67
RI	5	5	5	5	5	5	5	5	5	5	...	5	5	5	0	0	0	0	0	0	5
SC	46	46	46	46	46	46	46	46	46	46	...	46	46	46	0	0	0	0	0	0	46
SD	66	66	66	66	66	66	66	66	66	66	...	66	66	66	0	0	0	0	0	0	66
TN	95	95	95	95	95	95	95	95	95	95	...	95	95	95	0	0	0	0	0	0	95
TX	254	254	254	254	254	254	254	254	254	254	...	254	254	254	0	0	0	0	0	0	254
UT	29	29	29	29	29	29	29	29	29	29	...	29	29	29	0	0	0	0	0	0	29
VA	133	133	133	133	133	133	133	133	133	133	...	133	133	133	0	0	0	0	0	0	133
VT	14	14	14	14	14	14	14	14	14	14	...	14	14	14	0	0	0	0	0	0	14
WA	39	39	39	39	39	39	39	39	39	39	...	39	39	39	0	0	0	0	0	0	39
WI	72	72	72	72	72	72	72	72	72	72	...	72	72	72	0	0	0	0	0	0	72
WV	55	55	55	55	55	55	55	55	55	55	...	55	55	55	0	0	0	0	0	0	55
WY	23	23	23	23	23	23	23	23	23	23	...	23	23	23	0	0	0	0	0	0	23

51 rows × 34 columns

counties.columns

Index(['FIPS_Code', 'Stabr', 'Area_name', 'Rural-urban_Continuum_Code_2003',
       'Urban_Influence_Code_2003', 'Rural-urban_Continuum_Code_2013',
       'Urban_Influence_Code_ 2013', 'POVALL_2021', 'CI90LBALL_2021',
       'CI90UBALL_2021', 'PCTPOVALL_2021', 'CI90LBALLP_2021',
       'CI90UBALLP_2021', 'POV017_2021', 'CI90LB017_2021', 'CI90UB017_2021',
       'PCTPOV017_2021', 'CI90LB017P_2021', 'CI90UB017P_2021', 'POV517_2021',
       'CI90LB517_2021', 'CI90UB517_2021', 'PCTPOV517_2021', 'CI90LB517P_2021',
       'CI90UB517P_2021', 'MEDHHINC_2021', 'CI90LBINC_2021', 'CI90UBINC_2021',
       'POV04_2021', 'CI90LB04_2021', 'CI90UB04_2021', 'PCTPOV04_2021',
       'CI90LB04P_2021', 'CI90UB04P_2021', 'fips_str'],
      dtype='object')

counties[['Stabr', 'Area_name', 'PCTPOVALL_2021']]

	Stabr	Area_name	PCTPOVALL_2021
2	AL	Autauga County	10.7
3	AL	Baldwin County	10.8
4	AL	Barbour County	23.0
5	AL	Bibb County	20.6
6	AL	Blount County	12.0
...	...	...	...
3190	WY	Sweetwater County	9.2
3191	WY	Teton County	5.9
3192	WY	Uinta County	9.4
3193	WY	Washakie County	10.2
3194	WY	Weston County	10.4

3143 rows × 3 columns

counties[['Stabr', 'PCTPOVALL_2021']].groupby(by='Stabr').mean()

	PCTPOVALL_2021
Stabr
AK	13.750000
AL	19.455224
AR	18.750667
AZ	17.273333
CA	13.631034
CO	12.567188
CT	9.812500
DC	16.800000
DE	11.700000
FL	15.588060
GA	18.422642
HI	11.825000
IA	10.714141
ID	11.970455
IL	12.804902
IN	11.515217
KS	11.903810
KY	19.189167
LA	21.618750
MA	10.278571
MD	10.991667
ME	12.318750
MI	13.059036
MN	10.154023
MO	14.923478
MS	22.253659
MT	13.532143
NC	15.931000
ND	12.286792
NE	10.847312
NH	8.510000
NJ	9.880952
NM	20.169697
NV	12.111765
NY	12.964516
OH	12.935227
OK	16.790909
OR	13.936111
PA	12.043284
RI	9.760000
SC	18.200000
SD	14.921212
TN	15.463158
TX	15.837008
UT	10.206897
VA	13.260902
VT	10.435714
WA	12.215385
WI	10.695833
WV	18.060000
WY	10.773913

counties[['Stabr', 'PCTPOVALL_2021']].groupby(by='Stabr').max()

	PCTPOVALL_2021
Stabr
AK	30.4
AL	35.1
AR	35.7
AZ	28.4
CA	21.9
CO	37.8
CT	12.0
DC	16.8
DE	12.2
FL	26.3
GA	34.0
HI	14.7
IA	17.9
ID	17.9
IL	22.3
IN	21.1
KS	21.3
KY	40.5
LA	39.9
MA	18.5
MD	23.6
ME	18.2
MI	20.7
MN	18.7
MO	23.9
MS	43.9
MT	25.7
NC	27.9
ND	42.8
NE	19.3
NH	12.5
NJ	15.9
NM	30.3
NV	18.3
NY	26.4
OH	23.9
OK	27.8
OR	20.0
PA	22.3
RI	14.3
SC	35.4
SD	43.5
TN	33.4
TX	34.3
UT	26.8
VA	25.6
VT	14.4
WA	18.1
WI	24.2
WV	31.7
WY	17.7