如何在Pandas DataFrame中获取总问题数并赋值给变量

咱们先搞清楚你现在的问题所在：你用scale.dtypes.value_counts()得到的float64 3，其实是统计了scale这个DataFrame里数据类型为float64的列的数量，而不是你要的总问题数，这就是为什么结果和预期不符啦。

正确的解决方案 #

方法1：直接从原始分组数据中计数 #

在你的循环里，当拿到对应时间区间的groups数据后，直接对Questions列计数就能得到该时间段的总问题数——毕竟每一行数据对应一个问题：

for month in month_unique:
    month_data = data.loc[data['Month'] == month]
    for week in week_unique:
        groups = month_data.loc[month_data['Week'] == week]
        # 获取该时间段的总问题数
        total_questions = groups['Questions'].count()
        print(f"总问题数：{total_questions}")
        
        # 你原来的分组统计代码
        scale = groups.groupby(['Clusters', 'Day'])['Clusters'].count().unstack('Clusters').fillna(0)

方法2：从已分组的scale中求和 #

如果已经得到了scale这个分组统计后的DataFrame，也可以对所有单元格的值求和——因为每个单元格的数值就是对应分组的问题数量，累加后就是总问题数：

total_questions = scale.sum().sum()
print(f"总问题数：{total_questions}")

为什么你的原始方法不对？ #

• scale.dtypes.value_counts()的作用是统计DataFrame中不同数据类型的列的数量，你的scale刚好有3列（Grafana、Logs、Topic）且都是float64类型，所以返回float64 3，这和问题总数完全无关。
• 看你提供的CSV数据，确实有3条问题记录，用上面两种方法都能得到你想要的数值3。

内容的提问来源于stack exchange，提问作者Yeager