您需要以下内容：

In [20]:
df.groupby(['Name','Type','ID']).count().reset_index()

Out[20]:
    Name   Type  ID  Count
0  Book1  ebook   1      2
1  Book2  paper   2      2
2  Book3  paper   3      1

在您的情况下，“Name”、“Type”和“ID”列的值匹配，因此我们可以对这些列执行groupby，调用count，然后调用reset_index。
另一种方法是使用transform添加'Count'列，然后调用drop_duplicates：

In [25]:
df['Count'] = df.groupby(['Name'])['ID'].transform('count')
df.drop_duplicates()

Out[25]:
    Name   Type  ID  Count
0  Book1  ebook   1      2
1  Book2  paper   2      2
2  Book3  paper   3      1

我认为as_index=False应该可以做到这一点。

df.groupby(['Name','Type','ID'], as_index=False).count()

如果df中有很多列，那么使用df.groupby(['foo']).agg(...)是有意义的，请参见here。.agg()函数允许您选择如何处理不想应用操作的列。如果您只想保留它们，请使用.agg({'col1': 'first', 'col2': 'first', ...}。除了'first'，您还可以应用'sum'、'mean'等。

最简单的方法
df.groupby（['col1'，'col1']，as_index=False）.count（）。使用as_index=False可保留列名。默认值为True。
也可以使用df.groupby（['col_1'，'col_2']）.count（）.reset_index（）

您也可以使用value_counts()：

df.value_counts().reset_index(name= 'Count')

输出：

Name   Type  ID  Count
0  Book1  ebook   1      2
1  Book2  paper   2      2
2  Book3  paper   3      1