Python 在熊猫中聚集相似的行

我有一个数据框，它当前按邮政编码聚合，看起来类似于：

Year   Organization   State   Zip      Number_of_people

2021   A              NJ      07090    5
2020   B              AZ      09876    3
2021   A              NJ      01234    2
2021   C              VA      23456    7
2019   A              NJ      05385    1

我想按状态聚合dataframe和Number of People列，合并相同的行（除了人数），这样上面的数据看起来像这样：

Year   Organization   State   Number_of_people

2021   A              NJ      7
2020   B              AZ      3
2021   C              VA      7
2019   A              NJ      1

换句话说，如果除人数外，所有列中的行都相同，我希望合并这些行并添加人数

删除Zip列后，我一直在思考如何解决这个问题--我想我需要按年份、组织和状态进行分组，但不确定之后该做什么

---

提前感谢您的帮助

如果不想，您不必先放下拉链，请使用下面的语法

data = '''Year   Organization   State   Zip      Number_of_people
2021   A              NJ      07090    5
2020   B              AZ      09876    3
2021   A              NJ      01234    2
2021   C              VA      23456    7
2019   A              NJ      05385    1'''
df = pd.read_csv(io.StringIO(data), sep='\s+', engine='python')
df[['Year','Organization','State', 'Number_of_people']].groupby(['Year','Organization','State']).sum().reset_index()

输出

   Year Organization State  Number_of_people
0  2019            A    NJ                 1
1  2020            B    AZ                 3
2  2021            A    NJ                 7
3  2021            C    VA                 7

如果确实要删除邮政编码，请使用以下方法：

df.groupby(['Year','Organization','State']).sum().reset_index()

---

没有邮政编码的更具Python风格的版本

df.groupby(['Year','Organization','State'], as_index=False)['Number_of_people'].sum()

df.groupby(['Year','Organization','State'], as_index=False).sum()

---

带有邮政编码的更具Python风格的版本

df.groupby(['Year','Organization','State'], as_index=False)['Number_of_people'].sum()

df.groupby(['Year','Organization','State'], as_index=False).sum()