如何自动对DataFrame切片的rst列做异或运算并写入dr列？

有一个名为solve的DataFrame，步长为4的切片结果如下：

rst  dr
0     1   0
4     3   0
8     7   0
12    5   0
16   14   0
20   12   0
24    4   0
28    4   0
32    4   0
36    3   0
40    3   0
44    5   0
48    5   0
52   13   0
56    3   0
60    1   0

需要将rst列中步长4切片后的相邻元素进行异或运算（如1^3=2、3^7=4），并将结果写入对应位置的dr列。当前手动截取长度的方法无法适配数据长度变化，需自动化方案；同时需要列间异或的实现策略。

无需手动处理长度匹配，利用pandas的shift方法自动对齐相邻元素：

# 提取步长为4的子数据集，避免修改原数据时的链式索引警告
slice_subset = solve[::4].copy()

# 计算当前rst与下一个rst的异或，shift(-1)自动获取下一行元素，最后一行无后续元素会生成NaN
slice_subset['dr'] = slice_subset['rst'] ^ slice_subset['rst'].shift(-1)

# 将计算结果写回原DataFrame，NaN位置填充为0（匹配原数据最后一行dr的默认值）
solve.loc[slice_subset.index, 'dr'] = slice_subset['dr'].fillna(0).astype(int)

原理说明 #

• shift(-1)会将rst列整体上移一行，自动实现"当前元素与下一个元素"的配对，无需手动截取数组长度
• 通过原切片的索引（slice_subset.index）直接写回原DataFrame，确保位置完全对应
• 最后一行因无后续元素，异或结果为NaN，用fillna(0)统一处理为原数据的默认值

根据不同场景，列间异或可通过以下方式实现：

1. 同一行内两列异或
   直接对同行列值进行异或运算，生成新列：

   # 生成新列，存储col1和col2的异或结果
   solve['col_xor'] = solve['col1'] ^ solve['col2']
   

2. 跨列跨行异或
   比如某列当前行与另一列下一行的异或，结合shift方法实现：

   # col1当前行 异或 col2下一行的结果
   solve['cross_xor'] = solve['col1'] ^ solve['col2'].shift(-1)
   

3. 分组后列间异或
   按指定列分组，组内执行列间异或操作：

   # 按group_col分组，组内col1与col2的下一行异或
   solve['group_xor'] = solve.groupby('group_col').apply(
       lambda x: x['col1'] ^ x['col2'].shift(-1)
   ).reset_index(drop=True)
   

内容的提问来源于stack exchange，提问作者oppressionslayer