与多级索引数据框一起使用时，pd.DataFrame.drop的异常行为

从熊猫的多索引数据框中删除一列后，我一直遇到意外的行为。

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

df.columns.levels[0]

但是，即使在从原始数据框中删除特定列并将其分配给新数据框之后，我仍然在索引列表中获得了相同的元素，而不是在更新后的列列表中得到了相同的元素。

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.

我不确定这是错误还是在做错什么...即使更新的df的输出显示了更新的数据帧（dropd_df）返回的列与原始数据帧的列相同的原因，为什么？数据框已更改？原始数据帧是否在某处缓存（复制）？

任何帮助/指针将不胜感激！

注意：我使用的是python = 3.6.8。/熊猫= 0.25.0

编辑1：列是字符串类型，所以这不是影响行为的错误类型。

问题来源：stackoverflow