下面是使用pandas.core.groupby.GroupBy.cumcount的方法

df['Occurrences'] = df.groupby('Name').cumcount() + 1 
print(df)

Name  Year  Occurrences
0    a  2019            1
1    a  2020            2
2    a  2021            3
3    b  2015            1
4    b  2019            2
5    c  2011            1

有类似的帖子，你可以查看这个答案@Andrej Kesely：

df["Occurrences"] = df.groupby("Name")["Year"].apply(lambda x: x.groupby(x).ngroup() + 1)

您可以使用以下代码完成此操作：

df['Occurances'] = df.sort_values(['Name', 'Year']).groupby('Name').cumcount() + 1

其工作原理如下：
1.使用.sort_values()按Name后接Year的顺序对行进行排序（这样即使行未排序也能正常工作）。
1.使用.groupby()按Name对行进行分组。
1.使用.cumcount()计算每个组中行数的累计，并输出为单个Series。
(Each运行总计将从0开始，因此将1加到结果以获得真实计数）。
1.将结果赋给名为Occurances的新列。

测试未排序的DataFrame

输入数据（未排序）：
x一个一个一个一个x一个一个二个x
创建Occurances列：

df['Occurances'] = df.sort_values(['Name', 'Year']).groupby('Name').cumcount() + 1

print(df)

输出：

Name  Year  Occurances
0    a  2020           2
1    a  2019           1
2    b  2015           1
3    a  2021           3
4    c  2011           1
5    b  2019           2

分类输出：

df_sorted = df.sort_values(['Name', 'Year'], ignore_index=True)

print(df_sorted)

Name  Year  Occurances
0    a  2019           1
1    a  2020           2
2    a  2021           3
3    b  2015           1
4    b  2019           2
5    c  2011           1