python - 与多级索引数据帧一起使用时 pd.DataFrame.drop 的意外行为

Question

从 Pandas 的多索引数据框中删除一列后，我出现了意外行为。

删除列后，我需要获取多索引数据帧的最外层(级别 = 0)列。为了获得 level=0 列，我使用了:

df.columns.levels[0]

但是，即使从原始数据帧中删除特定列并将其分配给新数据帧后，我仍然在索引列表中获得相同的元素，而不是更新的列列表。

例如:

INPUT: df
Box       '1'                  '2'                   '3'
Latency   code latency  loc    code latency  loc    code latency  loc
0         9170.  948.    L.    8170.  328.    R.    9160.  238.    L.
1         7540   1501.   R     9170.  9028.   L.    7170.   94.    L.

INPUT:df.columns.levels[0]
Out: Index(['1', '2', '3'], dtype='object', name='Box Number')



dropped_df = df.drop('2', axis=1, level=0)
INPUT: dropped_df.columns.levels[0]
Out: Index(['1', '2', '3'], dtype='object', name='Box Number')


INPUT: dropped_df
Out: 
Box       '1'                  '3'                  
Latency   code latency  loc    code latency  loc
0         9170.  948.    L.    9160.  238.    L.
1         7540   1501.   R     7170.   94.    L.

我不确定这是一个错误还是我做错了什么......
为什么更新后的数据帧( dropped_df )返回与原始数据帧相同的列，即使更新后的 df 的输出显示数据帧已更改？原始数据帧是否被缓存(复制)在某处？

任何帮助/指针将不胜感激!

注意:我使用的是 python =3.6.8。/ Pandas =0.25.0

编辑 1:列是 string类型，所以这不是影响行为的不正确类型的问题。

Answer 1

经过一些调查并使用您作为示例提供的代码，并尝试:

dropped_df.columns.levels[1] = dropped_df.columns.levels[1]

我收到以下错误:

TypeError: 'FrozenList' does not support mutable operations.

研究 Pandas documentation似乎确实如此 answer :

The construct is used to represent a MultiIndex levels,labels, and names. The point of it is to prevent modification of these thru attributes and force the use of methods (e.g. set_levels()). As the state of these cannot be changed independent (for level/labels), but must be changed together.

当我们看到 dropped_df.columns.levels[1] 时解释为什么我们得到 Frozen(原始)值，不​​等于我们在简单显示时看到的 dropped_df