如何基于动态条件对DataFrame行值按日期与州分组求和

我有一个包含以下结构的DataFrame：

• 列包含：REF_DATE（年份）、State（州）、Gliders、Helicopters、Jet engines、Piston engines、Turbo-propellers
• 同一REF_DATE和State对应多行数据

需要按REF_DATE和State进行分组，分别计算上述各飞行器列的总和，最终每个REF_DATE下每个州仅保留一行数据。例如：当REF_DATE=2012时，若有23个州，则生成23条REF_DATE为2012的行数据。

预期逻辑可简化为：

若两行数据的REF_DATE和State均相同，则对Gliders、Helicopters等列分别求和

预期效果示例：每个年份-州组合对应一行，各飞行器列显示该组合下的累计总和。

正如@MattPitkin所指出的，使用pandas的groupby方法即可实现需求，代码如下：

df_states = df_ap.groupby(['REF_DATE', 'State']).sum()

执行后效果：生成的DataFrame以REF_DATE和State为复合索引，各飞行器列展示对应分组的求和结果。

内容的提问来源于stack exchange，提问作者yaviens