Python 熊猫这种df.drop（）行为的可能原因是什么？

我有一个熊猫数据帧

df

，其中

df2

是一个子集。当我尝试根据

df2

的索引值在

df

中删除行时，我得到了一些有趣的数学结果，如下所示。是什么导致了这种行为？我是否完全误解了

.index

的工作原理

print(df.index)
    
Int64Index([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, ... 
    353, 354, 355, 356, 357, 358, 359, 360, 361, 362], dtype='int64', length=4748)

---

根据编号系统，似乎有多条记录具有。如果是这种情况，例如，删除

106

，因为它位于

df2

中，可能会导致从

df

中删除多个记录。检查数据帧中的重复项，至少是索引中的重复项。

根据编号系统，似乎有多条记录具有相同的编号。如果是这种情况，例如，删除

106

，因为它位于

df2

中，可能会导致从

df

中删除多个记录。检查数据帧中的重复项，至少是索引中的重复项。

在这种情况下，什么是

退单？@Yehuda抱歉。编辑。这就是df2的实际名称（已退款的购买）。到底是什么让人困惑？你的索引似乎不是唯一的，所以除非你包括计数，否则数学就不会加起来。在这种情况下，
退单是什么？@Yehuda抱歉。编辑。这就是df2的实际名称（已退款的购买）。到底是什么让人困惑？你的索引似乎不是唯一的，所以除非你包括countsPerfect，否则数学就不会加起来。谢谢你花时间看这个。我正在从多个CSV文件构建一个数据帧，并使用
pd.concat（）
添加
ignore\u index=True
参数将其完美修复。谢谢你花时间看这个。我正在从多个CSV文件构建一个数据帧，并使用
pd.concat（）
添加
ignore\u index=True
参数将其完美修复。
print(df2.index)
    
Int64Index([ 0, 2, 5, 7, 9, 10, 12, 15, 17, 18, ... 
    106, 123, 130, 136, 196, 217, 220, 227, 232, 237], dtype='int64', length=448)

df = df.drop(index = df2.index)
print(df.index)

Int64Index([ 63, 65, 67, 74, 76, 78, 83, 84, 85, 87, ... 
    352, 353, 354, 355, 356, 357, 358, 359, 360, 361], dtype='int64', length=2116)