在縣市排行完成後，我們將注意力轉向月份趨勢分析，以瞭解違規土地面積在年度中的變化。透過折線圖，我們可以觀察各月份的高峰與低谷，並判斷是否存在季節性規律。
分析結果顯示，一些月份的違規面積顯著高於其他月份，可能與建設旺季、氣候因素或政府查處活動的集中時間有關。例如，夏季施工活躍的月份通常會出現違規面積的峰值，而雨季或寒冷月份則相對較低。

這種折線圖可以幫助管理者了解年度內違規高峰的分布，進而合理安排監督資源與巡查計畫。此外，透過比較不同年份或縣市的月份趨勢，我們還可以發現季節性或特定月份的異常狀況，提供決策參考。

我們將每個月份的違規面積加總後，繪製一張折線圖。

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，跳過中文標題列
df = pd.read_csv("IT_land_violation/land_violation.csv", skiprows=[1])

# 定義月份欄位
months = ["Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"]

# 轉數字
df[months] = df[months].apply(pd.to_numeric, errors="coerce")

# 去掉「總計」那一列
df = df[df["County_Area_Hectare"] != "總計"]

# 計算每月總和
monthly_sum = df[months].sum()

# 繪製折線圖
plt.figure(figsize=(10, 6))
plt.plot(months, monthly_sum, marker="o", color="orange", linewidth=2)
plt.title("各月份違規土地面積趨勢")
plt.xlabel("月份")
plt.ylabel("違規土地面積 (公頃)")
plt.grid(True, linestyle="--", alpha=0.6)
plt.tight_layout()
plt.show()