让我们对A列中的每个组执行cummax，以标记第一个LOADED之前的所有行，然后使用loc选择所有标记的行

mask = df['Column B'] == 'LOADED' 
df.loc[mask[::-1].groupby(df['Column A']).cummax()]

更新：如果Column B中有重复项

mask = df['Column B'].eq('LOADED') & ~df.duplicated(subset=['Column A', 'Column B'])
df.loc[mask[::-1].groupby(df['Column A']).cummax()]

结果

Column A    Column B
0    MD223     GATE IN
1    MD223    GATE OUT
2    MD223      LOADED
4    SC511     GATE IN
5    SC511      LOADED
7    KR977  DISPATCHED
8    KR977      LOADED

按Column A分组，并将每组切片到由LOADED值表示的第一个有效索引：

df.groupby('Column A', sort=False)\
    .apply(lambda x: x.loc[:x['Column B'].eq('LOADED').idxmax()])\
    .reset_index(drop=True)

Column A    Column B
0    MD223     GATE IN
1    MD223    GATE OUT
2    MD223      LOADED
3    SC511     GATE IN
4    SC511      LOADED
5    KR977  DISPATCHED
6    KR977      LOADED

另一种可能的解决方案，也适用于存在重复项的情况：

df.loc[(df.groupby('Column A', sort=False)['Column B']
        .transform(lambda g: ~g.shift().eq('LOADED').cummax())),:]

输出：

Column A    Column B
0     MD223     GATE IN
1     MD223    GATE OUT
2     MD223      LOADED
5     SC511     GATE IN
6     SC511      LOADED
9     KR977  DISPATCHED
10    KR977      LOADED