为什么Dask DataFrame调用head()返回IndexError:索引仅1层而非2层

问题根因 #

这个错误是Dask处理链式分组聚合操作时的常见索引识别问题：你对多列执行groupby后直接选择单列做nunique聚合，Dask没有正确识别返回结果的MultiIndex结构，误以为索引只有1层，调用reset_index时尝试访问不存在的第二层索引就抛出了对应报错。

可行解决方案 #

1. 优先使用agg方法指定聚合规则
   该方式可以让Dask准确识别输出结构，避免索引层级识别错误，代码修改如下：

installs = total_revenue.groupby(['InstallTime', 'Platform']).agg(
    UserId=('UserId', 'nunique')
).reset_index()
installs = client.persist(installs)

2. 拆分链式操作分步持久化
   如果习惯先选列再聚合，可以拆分操作步骤，先持久化分组聚合结果再执行reset_index：

# 先执行分组聚合并持久化
grouped_res = total_revenue.groupby(['InstallTime', 'Platform'])['UserId'].nunique()
grouped_res = client.persist(grouped_res)
# 再执行重置索引
installs = grouped_res.reset_index()
installs = client.persist(installs)

3. 可选排查项
   如果以上方案仍报错，可以先执行以下代码确认分组字段的类型是否符合预期：

print(total_revenue[['InstallTime', 'Platform']].dtypes.compute())

确认InstallTime为datetime类型、Platform为object/string类型，排除字段类型异常导致的分组逻辑错误。

内容的提问来源于stack exchange，提问作者Vladislava Gonchar