昨天我們已經成功讀取並篩選出核心欄位（縣市、AQI、PM2.5、時間），今天要進一步做縣市之間的比較，看看哪個縣市的AQI整體表現最好，哪個縣市需要特別注意。

AQI是依據多種污染物（PM2.5、PM10、臭氧、二氧化氮、一氧化碳、二氧化硫）計算而成的一個整合性數值。一般來說，數值越高代表空氣品質越差，對人體健康的影響也越大。因此，若能比較各縣市的平均 AQI，就能初步了解台灣不同區域的空氣品質狀況。

分析思路

1. 依縣市分組：利用groupby，將所有監測站的數據依county進行分組。
2. 計算平均值：對每個縣市計算AQI的平均數值。
3. 排序與繪圖：依平均值大小排序，並用長條圖呈現。
   這樣的圖表能快速看出縣市間的差異，例如中南部因工業與交通因素，平均 AQI 可能會偏高，而東部或外島可能相對較低。

程式實作
以下使用pandas與matplotlib繪製縣市AQI排行：

import pandas as pd
import matplotlib.pyplot as plt

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

# 讀取資料（延續前一天處理後的檔案）
df = pd.read_csv("IT_AQI/AQI.csv")

# 篩選所需欄位
df = df[["county", "aqi"]]

# 確保 AQI 欄位為數值型態
df["aqi"] = pd.to_numeric(df["aqi"], errors="coerce")

# 計算各縣市的平均 AQI
county_aqi = df.groupby("county")["aqi"].mean().sort_values(ascending=False)

# 繪製長條圖
plt.figure(figsize=(12, 6))
county_aqi.plot(kind="bar", color="skyblue", edgecolor="black")

plt.title("各縣市平均 AQI 排行", fontsize=16)
plt.ylabel("平均 AQI")
plt.xlabel("縣市")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

執行後，我們會得到一張「各縣市平均AQI排行長條圖」。

假設結果如下：
最高AQI：出現在中南部工業區（如雲林、嘉義、彰化），平均值超過50。
最低AQI：出現在東部與外島（如花蓮、台東、連江），平均值大約落在30以下。
雙北地區：由於交通繁忙，平均AQI屬於中等偏高，但仍低於部分工業縣市。
這樣的比較能讓我們有一個直觀的理解：空氣污染不只是都市問題，而是和地區特性（工業、交通、地理環境）密切相關。

不過要注意：
不同縣市的測站數量不同，可能導致平均值偏差。
AQI是綜合指標，某縣市平均AQI偏低，但仍可能有PM2.5偶爾爆表的情況。
資料若只取單一時間區間，結果可能會受天氣與季節影響（例如冬季容易出現境外污染）。
因此，縣市AQI排名雖然好看，但應該搭配時間序列與單一污染物的分析，才能更全面理解環境狀況。