两个选项：
首先，如果您有许多列需要比较，可以使用：

comparison_df = df.drop("id", axis=1)
df["duplicated_flag"] = (comparison_df != comparison_df.shift()).any(axis=1).cumsum()

我们删除比较中不需要的列，然后使用.shift()和.any()检查每一行是否与其上一行等价，最后使用.cumsum()读取duplicated_flag的值。
但是，如果您只有两列需要比较（或者由于某种原因，您有很多列需要删除），您可以一次找到一个不匹配的行，然后使用.cumsum()获取每行的duplicated_flag值。这有点冗长，所以我对这个选项不是很满意，但为了完整性，我将其留在这里，以防它更适合您的用例：

country_comparison = df["Country"].ne(df["Country"].shift())
city_comparison = df["City"].ne(df["City"].shift())
df["duplicated_flag"] = (country_comparison | city_comparison).cumsum()
print(df)

这些输出：

id    Country      City  duplicated_flag
0  1     France     Paris                   1
1  2     France     Paris                   1
2  3     France      Lyon                   2
3  4     France      Lyon                   2
4  5     France      Lyon                   2