如何用更Pythonic的方式交换DataFrame中同游戏的队伍值？

现有名为original的DataFrame，结构如下：

game      team
0         1         A
1         1         B
2         2         C
3         2         D
...

需求为新增一列opponent，实现每个游戏内的队伍互换，即A与B互换、C与D互换等。该DataFrame包含数千行数据、数百个唯一值，无法手动替换。

当前已实现的可行代码如下：

even_odd = [1, 2]
temp = original.copy()
temp['turns'] = np.tile(even_odd, len(merge2)//len(original) + 1)[:len(original)]
temp = temp.sort_values(by = ['game','turns'], ascending = [True, False]).reset_index(drop=True)

original['opponent'] = temp['opponent']

询问是否有Python原生函数可处理该需求，或更Pythonic的实现方式。

以下几种方法无需额外生成辅助列或复制DataFrame，逻辑更简洁高效：

方法1：groupby + shift #

利用每个游戏仅包含两支队伍的特性，分组后通过位移实现互换：

original['opponent'] = original.groupby('game')['team'].shift(-1).fillna(original.groupby('game')['team'].shift(1))

逻辑说明：shift(-1)将组内下一行值移至当前行（如game=1的A对应B）；组内第二行的shift(-1)会得到NaN，此时用shift(1)取上一行值填充（如B对应A），刚好完成双向互换。

方法2：groupby + transform #

通过transform直接反转每个游戏组内的队伍序列：

original['opponent'] = original.groupby('game')['team'].transform(lambda x: x[::-1])

逻辑说明：每个游戏组的team列表反转后，原顺序[A,B]变为[B,A]、[C,D]变为[D,C]，直接映射到新列即可，逻辑直观易懂。

方法3：索引奇偶位互换 #

若每个游戏的两行数据连续排列，可通过索引位运算直接映射：

import numpy as np
original['opponent'] = original['team'].iloc[np.arange(len(original)) ^ 1].values

逻辑说明：np.arange(len(original)) ^ 1会将偶数索引与对应奇数索引互换（0↔1、2↔3……），直接取对应位置的team值，是三种方法中效率最高的方案。

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