空氣品質指標 (AQI, Air Quality Index) 是衡量空氣污染對人體健康影響的重要指標。本週分析重點放在 全台 AQI 與 PM2.5 數據整理、等級分類與可視化分析。

一、資料整理與處理
讀取測站資料
包含AQI、PM2.5、測站經緯度欄位。

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

PM2.5分級

• 低：≤15
• 中：16~35
• 高：>35
• 無資料：缺失值
  df["PM25_Level"] = df["pm2.5"].apply(pm25_group)

AQI等級分類
根據數值分為七個等級：

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

二、統計與可視化
AQI等級分布
使用 Seaborn barplot畫出全台測站AQI等級分布
結果顯示多數測站集中在「良好」與「普通」，少數測站屬於不健康或危害等級。

PM2.5與AQI地圖呈現
使用Folium + MarkerCluster建立互動地圖
標記顏色依PM2.5分級顯示（綠/橘/紅/灰）
點擊標記可查看測站名稱、AQI與PM2.5數值及等級
提供即時辨識污染熱區的能力
氣象因子相關性（可選）
幫助了解污染傳播與氣象條件的關係

三、應用價值
健康防護：民眾可依PM2.5與AQI等級調整戶外活動
環境監測：政府可掌握污染熱點，制定改善策略
研究分析：結合氣象資料，可探索污染來源與傳播模式