我有一个导入到熊猫的日志，如下所示：

data = [['A',1,'a'],['A','b'],['B','c'],2,3,4,['D','d'],'a']]
df = pd.DataFrame(data,columns=['Id','Session','Time','Event'])
df

给出：

        Id  Session Time    Event
    0   A   1       0       a
    1   A   1       1       b
    2   B   1       0       c
    3   B   2       0       b
    4   B   2       1       a
    5   B   2       2       b
    6   B   2       3       b
    7   B   2       4       a
    8   D   1       0       d
    9   D   2       0       d
    10  D   3       0       a

如您所见，每个Id可以有多个Session，分别由Time和Event描述。我正在尝试获取给定a和Id导致事件Session的累积事件。使用此示例，我想获得类似以下的输出：

        Id  Session Time    Event   Series_by_a
    0   A   1       0       a       1
    1   B   2       0       b       2
    2   B   2       1       a       2
    3   B   2       0       b       3
    4   B   2       1       a       3
    5   B   2       2       b       3
    6   B   2       3       b       3
    7   B   2       4       a       3
    8   D   3       0       a       4

如您所见，从原始的DataFrame中，我们丢弃了第1行（Event b发生在a之后），第2行（Session 1来自{{1} } B没有Id Event），并且第8和9行（想法相同）。但是，我们发现在a B的Session 2中，Id Event发生了两次，因此新的DataFrame捕获了直到发生a指向并标记它们（在Event列中）。

显而易见的答案是迭代地执行此操作，但是似乎应该有一种使用Series_by_a或类似的矢量化机制来执行此操作的方法，但是如果是这样，我不确定从哪里开始。