在完成資料整理後，我們將焦點轉向年度違規土地面積排行。透過長條圖，我們可以清楚地看到各縣市年度違規土地的總量差異，並快速辨識出違規面積較大的縣市。

繪製長條圖這種排行方式不僅展示了年度違規總量，也為後續分析提供了參考基準，例如研究高違規面積縣市的違規類型、政策執行或土地管理情況。透過長條圖，我們還可以觀察縣市間的相對差距，例如第一名縣市的違規面積可能是第二名的兩倍以上。這種可視化方式對政策制定者具有參考價值，可以針對違規面積較高的縣市制定專門的監督措施，或者調整資源分配。

程式操作上，我們使用pandas對年度總計進行排序，再使用matplotlib繪製長條圖。圖表中每個縣市的高度代表其違規面積大小，清楚呈現縣市之間的差距和分布情況。

import pandas as pd
import matplotlib.pyplot as plt

# 設定中文字型
plt.rcParams["font.family"] = "Heiti TC"
plt.rcParams["axes.unicode_minus"] = False

# 讀取 CSV，跳過第二列中文標題
df = pd.read_csv("IT_land_violation/land_violation.csv", skiprows=[1])

# 將月份欄位轉為數字
months = [
    "Jan",
    "Feb",
    "Mar",
    "Apr",
    "May",
    "Jun",
    "Jul",
    "Aug",
    "Sep",
    "Oct",
    "Nov",
    "Dec",
]
df[months] = df[months].apply(pd.to_numeric, errors="coerce")

# 去掉「總計」列，並確保縣市名稱為字串
df = df[df["County_Area_Hectare"] != "總計"]
df["County_Area_Hectare"] = df["County_Area_Hectare"].astype(str)

# 按年度總計排序
df_sorted = df.sort_values("Total_Area_Hectare", ascending=False)

# 繪製長條圖
plt.figure(figsize=(12, 6))
plt.bar(
    df_sorted["County_Area_Hectare"], df_sorted["Total_Area_Hectare"], color="skyblue"
)
plt.xticks(rotation=45, ha="right")
plt.ylabel("違規土地面積 (公頃)")
plt.title("各縣市年度違規土地面積排行")
plt.tight_layout()
plt.show()