使用Series.str.split和DataFrame.explode，通过,连接值获得新行，然后通过GroupBy.size获得计数，排序并添加到Model列，最后聚合join：

df = (df.assign(Model = df['Model'].str.split(', '))
          .explode('Model')
          .groupby(['Name','Model'])
          .size()
          .sort_values(ascending=False)
          .astype(str)
          .add('x')
          .reset_index(level=1)
          .assign(Model = lambda x: x[0].str.cat(x['Model']))
          .groupby('Name')['Model']
          .agg(', '.join)
          .reset_index())
print (df)
     Name                         Model
0  Alice   3x(A_01), 2x(A_05), 1x(A_02)
1    Bob                       3x(B_01)

在split + explode之后，在groupby.agg和collections.Counter的帮助下使用自定义聚合：

from collections import Counter

out = (df
   .assign(Model=df['Model'].str.split(',\s*'))
   .explode('Model')
   .groupby('Name', as_index=False)['Model']
   .agg(lambda g: ', '.join([f'{i}x {x}' for x, i in Counter(g).items()]))
)

输出：

Name                            Model
0  Alice  3x (A_01), 1x (A_02), 2x (A_05)
1    Bob                        3x (B_01)

如果希望值按频率排序（而不是所见顺序），请使用Counter(g).most_common()代替Counter(g).items()：
输出：

Name                            Model
0  Alice  3x (A_01), 2x (A_05), 1x (A_02)
1    Bob                        3x (B_01)