以下是一个示例代码，实现了按照某一列分组，然后检查行是否匹配，并计算该值的连续出现次数的功能：

import pandas as pd

# 创建一个示例数据集
data = {'Group': ['A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C'],
        'Value': [1, 1, 2, 3, 3, 3, 4, 5, 5, 5]}
df = pd.DataFrame(data)

# 按照 Group 列进行分组
grouped = df.groupby('Group')

# 遍历每个分组
for group, group_df in grouped:
    value_count = 0  # 连续出现次数
    
    # 遍历每一行
    for i in range(len(group_df)):
        # 检查当前行与前一行的值是否匹配
        if i > 0 and group_df.iloc[i]['Value'] == group_df.iloc[i-1]['Value']:
            value_count += 1
        else:
            value_count = 1
        
        # 输出结果
        print(f"Group: {group}, Value: {group_df.iloc[i]['Value']}, 连续出现次数: {value_count}")

这段代码首先创建了一个示例数据集，并按照 Group 列进行分组。然后，通过遍历每个分组和每一行，检查当前行与前一行的值是否匹配，并计算连续出现次数。最后，输出每一行的分组、值和连续出现次数。

在这个示例中，数据集如下：

  Group  Value
0     A      1
1     A      1
2     A      2
3     B      3
4     B      3
5     B      3
6     B      4
7     C      5
8     C      5
9     C      5

运行代码后的输出结果如下：

Group: A, Value: 1, 连续出现次数: 1
Group: A, Value: 1, 连续出现次数: 2
Group: A, Value: 2, 连续出现次数: 1
Group: B, Value: 3, 连续出现次数: 1
Group: B, Value: 3, 连续出现次数: 2
Group: B, Value: 3, 连续出现次数: 3
Group: B, Value: 4, 连续出现次数: 1
Group: C, Value: 5, 连续出现次数: 1
Group: C, Value: 5, 连续出现次数: 2
Group: C, Value: 5, 连续出现次数: 3