为什么“reset_index(drop=True)”函数会意外删除列？

我有一个名为的 Pandas 数据框数据匹配。它包含“_worker_id”、“_unit_id”和“caption”列。 （请参阅随附的屏幕截图，了解此数据框中的某些行）

假设索引列不是按升序排列（我希望索引为 0、1、2、3、4...n），并且我希望它按升序排列。所以我运行以下函数尝试重置索引列：

data_match=data_match.reset_index(drop=True)

我能够使用 Python 3.6 在我的计算机中获得返回正确输出的函数。然而，当我的同事使用 Python 3.6 在他的计算机中运行该函数时，“_worker_id”列被删除。

这是由于(drop=True)旁边的子句reset_index？但我不知道为什么它在我的电脑上有效，而在我同事的电脑上却不起作用。有人可以建议吗？

俗话说，“口译员中发生的事情，都留在你的手中” 解释器”。如果不看到 输入到两个 Python 交互式会话中的命令的完整历史记录。

不过，还是可以大胆猜测一下：

df.reset_index(drop=True) https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reset_index.html删除 DataFrame 的当前索引并将其替换为索引 增加整数。它永远不会丢弃列。

因此，在互动环节中，_worker_id是一个专栏。在你同事的 互动环节，_worker_id一定是一个指数级别。

视觉差异可能有些微妙。例如，下面，df has a _worker_id列同时df2 has a _worker_id指数级别：

In [190]: df = pd.DataFrame({'foo':[1,2,3], '_worker_id':list('ABC')}); df
Out[190]: 
  _worker_id  foo
0          A    1
1          B    2
2          C    3

In [191]: df2 = df.set_index('_worker_id', append=True); df2
Out[191]: 
              foo
  _worker_id     
0 A             1
1 B             2
2 C             3

注意这个名字_worker_id出现下面一行foo当它是一个 索引级别，并且与foo当它是一列时。这是唯一的 当你看时得到的视觉线索str or repr一个数据框的。

重复一遍：当_worker_index是一列，该列不受df.reset_index(drop=True):

In [194]: df.reset_index(drop=True)
Out[194]: 
  _worker_id  foo
0          A    1
1          B    2
2          C    3

But _worker_index当它是索引的一部分时被删除：

In [195]: df2.reset_index(drop=True)
Out[195]: 
   foo
0    1
1    2
2    3