您可以首先使用DataFrame.duplicated(keep=False)查找所有重复的行，然后有条件地分配求和结果

m = df.duplicated(['Column1', 'column2', 'column3'], keep=False)
df.loc[m, 'columnx'] = df['columnx'].add(1)

print(df)

   Column1  column2 column3  columnx
0        1      101       c      1.1
1        1      101       c      1.2
2        2      234       d      0.1
3        3      203       c      0.2

首先将columnx转换为numeric：

df['columnx'] = pd.to_numeric(df['columnx'], errors='coerce')

接下来，调用duplicated（返回bools）并将其添加回：

df['columnx'] += df[['Column1', 'column2', 'column3']].duplicated(keep=False)
df
  Column1  column2 column3  columnx
0       1      101       c      1.1
1       1      101       c      1.2
2       2      234       d      0.1
3       3      203       c      0.2

这将就地更新DataFrame。

df2 = df.assign(columnx=df[['Column1', 'column2', 'column3']]
                      .duplicated(keep=False).add(df['columnx']))

试试这个：

mask = df.duplicated(subset=['Column1', 'column2', 'column3'], keep=False)
df.loc[mask, 'columnx'] = df.loc[mask, 'columnx'].astype(float) + 1

d = {
    'Column1': ['1', '1', '2', '3'],
    'column2': [101, 101, 234, 203],
    'column3': ['c', 'c', 'd', 'c'],
    'columnx': ['0.1', '0.2', '0.1', '0.2']
}
df = pd.DataFrame(d)
duplicates = df.duplicated(subset=['Column1', 'column2', 'column3'], keep=False)
df.loc[duplicates, 'columnx'] = (df.loc[duplicates, 'columnx'].astype(float) + 1).astype(str)

输出：

Column1  column2 column3 columnx
0       1      101       c     1.1
1       1      101       c     1.2
2       2      234       d     0.1
3       3      203       c     0.2