一、資料處理
首先將原始資料讀入，並將發布時間欄位轉為 日期時間格式，方便後續分析：
df["publishtime"] = pd.to_datetime(df["publishtime"])

接著，依據AQI數值將測站分為七個等級：

• 良好（0–50）
• 普通（51–100）
• 對敏感族群不健康（101–150）
• 對所有族群不健康（151–200）
• 非常不健康（201–300）
• 危害（>300）
• 無資料（缺失值）
• 這樣的分類能更直觀地呈現空氣品質對健康的潛在影響。

二、AQI等級分布
統計結果顯示各AQI等級的測站數量，並使用長條圖呈現，圖表結果清楚呈現出，全台大部分測站的空氣品質屬於 良好或普通，僅少數測站顯示對敏感族群不健康或更高等級。這對一般民眾和政策制定者皆有參考價值。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

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

# 讀取資料
df = pd.read_csv("IT_AQI/AQI.csv")

# 轉換時間格式
df["publishtime"] = pd.to_datetime(df["publishtime"])


# AQI 等級分類函數
def aqi_category(aqi):
    if pd.isna(aqi):
        return "無資料"
    elif aqi <= 50:
        return "良好"
    elif aqi <= 100:
        return "普通"
    elif aqi <= 150:
        return "對敏感族群不健康"
    elif aqi <= 200:
        return "對所有族群不健康"
    elif aqi <= 300:
        return "非常不健康"
    else:
        return "危害"


df["AQI_Level"] = df["aqi"].apply(aqi_category)

# AQI 等級分布統計
level_counts = (
    df["AQI_Level"]
    .value_counts()
    .reindex(
        [
            "良好",
            "普通",
            "對敏感族群不健康",
            "對所有族群不健康",
            "非常不健康",
            "危害",
            "無資料",
        ],
        fill_value=0,
    )
)

plt.figure(figsize=(8, 5))
sns.barplot(x=level_counts.index, y=level_counts.values, palette="coolwarm")
plt.title("全台 AQI 等級分布")
plt.ylabel("測站數量")
plt.xlabel("AQI 等級")
plt.xticks(rotation=45)
plt.show()

三、分析心得
空氣品質整體良好：絕大多數測站AQI在0–100範圍內，表示空氣污染尚在可接受範圍。
少數測站需注意：部分測站AQI屬對敏感族群不健康或更高級別，提示特定地區需加強環境監控或改善空污源。