np.isin处理含多数据类型的pandas Index时结果不符合预期的问题咨询

我最近碰到了一个特别奇怪的问题，想请教下大家这到底是怎么回事：

场景是这样的：我想找出numpy数组或者pandas Index中，那些存在于一个预定义的多数据类型列表里的元素。先看初始化的代码：

lst = ["A", "B", 1, 2, "C", 3]
test = ["B", 1, 2, "C"]

arr = np.array(lst)
idx = pd.Index(lst)

按常理来说，下面这三种调用np.isin的结果应该完全一致才对：

# 预期的正确结果是：array([False, True, True, True, True, False])
np.isin(lst, test) == np.isin(arr, test) == np.isin(idx, test)

但实际运行后发现，Index对象的表现完全不符合预期，得到的结果是：

# 实际得到的结果：array([False, True, False, False, True, False])
np.isin(idx, test)

我还做了后续的测试：就算把Index转换成numpy数组，结果还是不对，但如果转换成普通列表，就又回到了预期的正确结果：

# 转换为numpy数组后结果依旧不符合预期
np.isin(idx.to_numpy(), test)  # array([False, True, False, False, True, False])
# 转换为列表后结果符合预期
np.isin(idx.to_list(), test)  # array([False, True, True, True, True, False])

更诡异的是，如果我不是用原始列表初始化Index，而是用已经创建好的numpy数组来初始化，那一开始的结果就完全符合预期了：

idx_from_arr = pd.Index(arr)
# 三者结果完全一致，都是预期的正确结果：array([False, True, True, True, True, False])
np.isin(lst, test) == np.isin(arr, test) == np.isin(idx_from_arr, test)

我现在搞不懂这到底是pandas的bug，还是有意设计的行为？有没有人能解释下背后的原因？

备注：内容来源于stack exchange，提问作者Jon Nir