空氣質量分指數計算方法（框架）

 1 def cal_liner(iaqi_lo,iaqi_hi,bp_lo,bp_hi,cp):
 2     """範圍縮放"""
 3     iaqi =(iaqi_hi - iaqi_lo)*(cp -bp_lo) /(bp_hi - bp_lo) + iaqi_lo
 4     return iaqi
 5 
 6 def cal_pm_iaqi(pm_val):
 7     if 0 <= pm_val <36:
 8         pm_iaqi = cal_liner(0,50,0,35,pm_val)
 9     elif
 
 36 <= pm_val <76:
10         pm_iaqi = cal_liner(0,100,35,75,pm_val)
11     elif 76 <= pm_val < 116:
12         pm_iaqi = cal_liner(0, 150, 75, 115, pm_val)
13     else:
14         pass
15 
16 def cal_co_iaqi(co_val):
17     if 0 <= co_val <3:
18         co_iaqi = cal_liner(0,50,0,3,co_val)
 
19     elif 3 <= co_val <5:
20         co_iaqi = cal_liner(0,100,2,4,co_val)
21     else:
22         pass
23 
24 def cal_aqi(param_list):
25     pm_val = param_list[0]
26     co_val = param_list[1]
27     pm_iaqi = cal_pm_iaqi(pm_val)
28     co_iaqi = cal_pm_iaqi(co_val)
29     iaqi_list = []
30     iaqi_list.append(pm_iaqi)
 
31     iaqi_list.append(co_iaqi)
32 
33     aqi = max(iaqi_list)
34     return aqi
35 
36 def main():
37     print('請輸入以下資訊，使用空格分割')
38     input_str = input('(1)PM2.5 (2)CO:')
39     str_list = input_str.split(' ')
40     pm_val = float(str_list[0])
41     co_val = float(str_list[1])
42     param_list = []
43     param_list.append(pm_val)
44     param_list.append(co_val)
45     #呼叫AQI計算函式
46     aqi_val = cal_aqi(param_list)
47     print('空氣質量指數為：{}'.format(aqi_val))
48 
49 if __name__ ==  '__main__':
50     main()

• JSON(javaScript Object Notation)是一種輕量級資料交換格式
• 可以對複雜資料進行表達和儲存，易於閱讀和理解
• 規則
  • 資料儲存在鍵值對中
  • 鍵值對之間由逗號分隔
  • 花括號用於儲存鍵值對資料組成的物件
  • 方括號用於儲存鍵值對資料組成的陣列
• 採用物件，陣列方式組織起來的鍵值對可以表示任何結構的資料
• JSON格式是網際網路上主要使用的複雜資料格式之一
• JSON庫是處理JSON格式的python標準庫
• 兩個過程：
  • 編碼，將python資料型別準換成json格式的過程
  • 解碼，從json格式中解析資料對應到python資料型別的過程
    • dumps()：將Python資料型別轉換為JSON格式的過程
    • loads()：將JSON格式字串轉換為Python資料型別
    • dump()：與dumps()功能一致，輸出到檔案
    • load()：與loads()功能一致，從檔案讀入
• 列表排序
  • list.sort(func)
  • func指定排序的方法
  • func可以通過lambda函式實現

    --snip--
        city_list.sort(key= lambda city:city['aqi']) #func:函式為lambda，city為元素
        top5_list = city_list[:5] #切片拿取前5個元素
        f = open('top5_aqi.json',mode='w',encoding='utf-8')
        json.dump('top5_list',f,ensure_ascii=False)   #第二元素為開啟檔案物件，最後為編碼格式，中文false
        f.close

• 

   1 import json
   2 
   3 def process_json_file(filepath):
   4     f = open(filepath,mode='r',encoding='utf-8')
   5     json.load(f)
   6     city_list = json.load(f)
   7     return city_list
   8 
   9 def main():
  10     filepath = input('請輸入json檔名稱：')
  11     city_list = process_json_file(filepath)
  12     city_list.sort(key= lambda city:city['aqi']) #func:函式為lambda，city為元素
  13     top5_list = city_list[:5] #切片拿取前5個元素
  14     f = open('top5_aqi.json',mode='w',encoding='utf-8')
  15     json.dump('top5_list',f,ensure_ascii=False)   #第二元素為開啟檔案物件，最後為編碼格式，中文false
  16     f.close
  17 
  18 if __name__ ==  '__main__':
  19     main()

  View Code
• CSV格式是一種通用的、相對簡單的檔案格式，在商業和科學領域廣泛使用
• 規則
  • 以行為單位
  • 每行表示一條記錄
  • 以英文逗號分割每列資料（如果資料為空，逗號也要保留）
  • 列名通常放置在問價第一行
• CSV檔案操作
  • import csv
  • csv.writerow(list)將列表中的元素寫入檔案的一行中
• CSV檔案讀取
• import csv
• csv.reader()將每行記錄作為列表返回
• 使用with語句操作檔案物件

  with open('file_name') as somefile:
      for line in somefile:
          print(line)

• 使用with語句，不管在處理檔案過程中是否發生發生異常，都能保證with語句執行完畢後關閉檔案，不需要close語句

--snip--
lines.append(list(city_list[0].key()))  #使用list拿到city的keys
    for city in city_list:
        lines.append(list(city.values()))
    f = open('aqi.csv','w',encoding='utf-8',newline='')  #newline為空表示末尾不加任何字元，否則預設加空行
    writer = csv.writer(f)
    for line in lines:
        writer.writerow(line)
--snip--

 1 import json
 2 import csv
 3 def process_json_file(filepath):
 4     f = open(filepath,mode='r',encoding='utf-8')
 5     city_list = json.load(f)
 6     return city_list
 7 
 8 def main():
 9     filepath = input('請輸入json檔名稱：')
10     city_list = process_json_file(filepath)
11     city_list.sort(key= lambda city:city['aqi']) #func:函式為lambda，city為元素
12     lines = []
13     lines.append(list(city_list[0].key()))  #使用list拿到city的keys
14     for city in city_list:
15         lines.append(list(city.values()))
16     f = open('aqi.csv','w',encoding='utf-8',newline='')  #newline為空表示末尾不加任何字元，否則預設加空行
17     writer = csv.writer(f)
18     for line in lines:
19         writer.writerow(line)
20 
21 if __name__ ==  '__main__':
22     main()

•  OS模組
  • OS模組提供了與系統、目錄操作相關的功能，不受平臺限制
  • os.remove()：刪除檔案
  • os.makedirs()：建立多層目錄
  • os.rmdir()：刪除單級目錄
  • os.rename()：重新命名檔案
  • os.path.isfile()：判斷是否為檔案
  • os.path.isdir()：判斷是否為目錄
  • os.path.join()：連結目錄，如path1連結path2為path1/path2
  • os.path.splitext()：將檔案分割成檔名與副檔名，如分割tmp.txt為tmp和.txt

    import csv
    import os
    def process_json_file(filepath):   #解碼json檔案
        # f = open(filepath,mode='r',encoding='utf-8')
        # city_list = json.load(f)
        # return city_list
        with open(filepath,mode='r',encoding='utf-8') as f:    #with語句不需要關閉檔案
            city_list =json.load(f)
        print(city_list)
    def process_csv_file(filepath):
        with open('filepath',mode='r',encoding='utf-8',newline='') as f:
            reader = csv.reader(f)
            for row in reader:
                print(','.jion(row))     #通過逗號連線語句，.jion

    

     1 import json
     2 import csv
     3 import os
     4 def process_json_file(filepath):   #解碼json檔案
     5     # f = open(filepath,mode='r',encoding='utf-8')
     6     # city_list = json.load(f)
     7     # return city_list
     8     with open(filepath,mode='r',encoding='utf-8') as f:    #with語句不需要關閉檔案
     9         city_list =json.load(f)
    10     print(city_list)
    11 def process_csv_file(filepath):
    12     with open('filepath',mode='r',encoding='utf-8',newline='') as f:
    13         reader = csv.reader(f)
    14         for row in reader:
    15             print(','.jion(row))     #通過逗號連線語句，.jion
    16 
    17 def main():
    18     filepath = input('請輸入json檔名稱：')
    19     filename,file_ext = os.path.splitext(filepath)
    20     if file_ext == '.json':
    21         process_json_file(filepath)
    22     elif file_ext == '.csv':
    23         process_csv_file(filepath)
    24     else:
    25         print('不支援檔案格式!')
    26 
    27 if __name__ ==  '__main__':
    28     main()

    View Code

 網路爬蟲：

• 自動爬去網際網路資訊程式；利用網際網路資料進行分析、開發產品
• 步驟
  • 通過網路連結獲取網頁內容(字串)
  • 對獲得的網頁內容進行處理

requests模組

• requests模組時一個簡潔且簡單的處理HTTP請求工具，支援豐富的連結訪問功能，包括url獲取，HTTP會話，Cookie記錄等
• requests網頁請求
  • get()：對應HTTP的GET方式
  • post()：對應HTTP的POST方式，用於傳遞使用者資料
• requests物件屬性
  • status_code：HTTP請求的返回狀態，200表示連結成功，400表示失敗
  • text：HTTP相應內容的字串形式，即URL 對應的頁面內容
  • 更多方法參考：https://doc.python-requests.org/

import requests

def get_html_text(url):
    """返回url的文字"""
    r = requests.get(url,timeout =30)
    #print(r.status_code)    #顯示狀態，200為連結ok
    return r.text   #獲取文字

def main():
    city_pinyin = input('請輸入城市拼音:')
    url = 'http://pm25.in/'+city_pinyin
    url_text = get_html_text(url)
    #print(url_text)      #屬性名r.text d呼叫為url.text

    aqi_div='''<div class="span12 data">
        <div class="span1">
          <div class="value">
             '''      
    #注意複製範圍，一直取值到數字的前面，可能會有空格
    index = url_text.find(aqi_div)
    begin_index = index +len(aqi_div)   #從開始索引號'<'加上文字長度
    end_index = begin_index + 2             #再獲取2位為AQI值
    aqi_value = url_text[begin_index: end_index]
    print('空氣質量為:{}'.format(aqi_value))
    
if __name__ ==  '__main__':
    main()

 網頁解析

• 解析器輸出的樹是由DOM元素和屬性節點組成的。DOM的全稱為：Document Object Model。它是HTML文件的物件化描述，也是HTML元素與外界（如Javascript）的介面。   DOM與標籤有著幾乎一一對應的關係，如下：   <html>    <body>     <p>hello world</p>     <div><img src="aa.png"/></div>    </body>   </html>

  • 
• beautifulSoup解析網站（用於解析HTML或XML）
  • pip install beautifulsoup4
  • import bs4
  • 步驟
    • 建立BeautifulSoup物件
    • 查詢節點
      • find, 找到第一個滿足條件的節點
      • find_all，找到所有滿足條件的節點
• 例：建立BeautifulSoup物件 

  bs = BeautifulSoup(
          url,
          html_parser, 指定解析器    #一般預設lxml
          encoding  指定編碼格式（確保和網頁編碼格式一致）  #如果不一致會出現亂碼
          )

•  查詢節點
  • <a href='a.html' class='a_link'>next page</a>
  • 可按節點型別、屬性或內容訪問
  • 按型別查詢節點
    • bs.find_all('a')       #查詢到所有a標籤
  • 按屬性查詢節點
    • bs.find_all('a',href='a.html')     #查詢a標籤，到所有符合a.html屬性
    • bs.find_all('a',href='a.html',string='next page')
    • bs.find_all('a',class_='a.link')        #注意：是class_
    • 或者bs.find_all('a',{'class':'a_link'})

import requests
from bs4 import BeautifulSoup

def get_city_aqi(city_pinyin):
    url = 'http://pm25.in/'+city_pinyin
    r = requests.get(url,timeout=30)
    bs = BeautifulSoup(r.text,'lxml')
    #bs = BeautifulSoup.find_all('div','span') 
    div_list= bs.find_all('div',{'class':'span1'})   #遺漏
    city_AQI=[]
    for i in range(8):
        div_content = div_list[i]   #對其list進行遍歷
        aqi = div_content.find('div',{'class':'value'}).text.strip()
        #AQI = bs.find_all('div','value').text.strip()   #應以鍵值對出現
        caption = div_content.find('div',{'class':'caption'}).text.strip()
        #city_AQI = city_AQI.append((caption, aqi)) 
        city_AQI.append((caption, aqi))
    return city_AQI

def main():
    city_pinyin = input('請輸入城市拼音:')
    city_aqi =get_city_aqi(city_pinyin)
    print(city_aqi)

if __name__ ==  '__main__':
    main()

 遍歷城市

 1 import requests
 2 from bs4 import BeautifulSoup
 3 
 4 def get_city_aqi(city_pinyin):
 5     url = 'http://pm25.in/'+city_pinyin
 6     r = requests.get(url,timeout=30)
 7     bs = BeautifulSoup(r.text,'lxml')
 8     div_list= bs.find_all('div',{'class':'span1'})
 9     city_AQI=[]
10     for i in range(8):
11         div_content = div_list[i]
12         aqi = div_content.find('div',{'class':'value'}).text.strip()
13         caption = div_content.find('div',{'class':'caption'}).text.strip()
14         city_AQI.append((caption, aqi))
15     return city_AQI
16 
17 def get_all_cities():
18     url = 'http://pm25.in/'
19     city_list = []
20     r = requests.get(url, timeout=30)
21     bs = BeautifulSoup(r.text, 'lxml')
22     city_all_name = bs.find_all('div', {'class': 'bottom'})[1]
23     city_link_list = city_all_name.find_all('a')
24     #for i in city_all_name:   此段只要一個bottom元素，將無法輸出
25     for city_link in city_link_list:
26         city_name = city_link.text
27         city_pinyin = city_link['href'][1:]
28         #r = city_all_name[1]
29         #city_name = r.find('div',{'href':'city_link'}).text.strip()
30         #city_link = r.find('div',{'href':'city_link'})[1:]
31         city_list.append((city_name,city_pinyin))
32     return city_list
33 
34 def main():
35     city_list = get_all_cities()
36     for city in city_list:
37         city_name =city[0]
38         city_pinyin = city[1]
39         city_aqi =get_city_aqi(city_pinyin)
40         print(city,city_aqi)
41 
42 if __name__ ==  '__main__':
43     main()

--snip--

def get_all_cities():
    url = 'http://pm25.in/'
    city_list = []
    r = requests.get(url, timeout=30)
    bs = BeautifulSoup(r.text, 'lxml')
    city_all_name = bs.find_all('div', {'class': 'bottom'})[1]
    city_link_list = city_all_name.find_all('a')    #尋找所有bottom下的a標籤

    for city_link in city_link_list:
        city_name = city_link.text          #取city_link文字
        city_pinyin = city_link['href'][1:]    #取其‘/’後的數字
        city_list.append((city_name,city_pinyin))
    return city_list

def main():
    city_list = get_all_cities()   
    for city in city_list:       #對獲取列表進行遍歷輸出
        city_name =city[0]
        city_pinyin = city[1]
        city_aqi =get_city_aqi(city_pinyin)
        print(city,city_aqi)   #注意為city，city_list將重複報錯

if __name__ ==  '__main__':
    main()

 字串加列表 ‘abc’+[1,2,3]轉換為['abc']+[1,2,3] 

存入轉換為CSV格式

 1 import requests
 2 from bs4 import BeautifulSoup
 3 import csv
 4 
 5 def get_city_aqi(city_pinyin):
 6     url = 'http://pm25.in/'+city_pinyin
 7     r = requests.get(url,timeout=30)
 8     bs = BeautifulSoup(r.text,'lxml')
 9     div_list= bs.find_all('div',{'class':'span1'})
10     city_AQI=[]
11     for i in range(8):
12         div_content = div_list[i]
13         aqi = div_content.find('div',{'class':'value'}).text.strip()
14         caption = div_content.find('div',{'class':'caption'}).text.strip()
15         city_AQI.append(aqi)
16     return city_AQI
17 
18 def get_all_cities():
19     url = 'http://pm25.in/'
20     city_list = []
21     r = requests.get(url, timeout=30)
22     bs = BeautifulSoup(r.text, 'lxml')
23     city_all_name = bs.find_all('div', {'class': 'bottom'})[1]
24     city_link_list = city_all_name.find_all('a')
25     for city_link in city_link_list:
26         city_name = city_link.text
27         city_pinyin = city_link['href'][1:]
28         city_list.append((city_name,city_pinyin))
29     return city_list
30 
31 def main():
32     city_list = get_all_cities()
33     header = ['City','AQI','PM2.5/1H','PM10/H','CO/H','NO2/H','O3/1H','O3/8H','SO2/H',] #指定列名
34     with open('china_city_AQI.csv','w',encoding='utf-8',newline='') as f:
35         writer = csv.writer(f)
36         writer.writerow(header)
37         for i,city in enumerate(city_list):   #enumerate科學計數法
38             if (i+1)%10 ==0:   #實時檢視處理進度
39                 print('已處理{}條記錄，共{}記錄'.format(i+1,len(city_list)))
40             city_name = city[0]
41             city_pinyin = city[1]
42             city_aqi = get_city_aqi(city_pinyin)
43             row= [city_name]+city_aqi    #字串轉換為列表格式[]
44             writer.writerow(row)
45 
46 if __name__ ==  '__main__':
47     main()

--snip--
def main():
    city_list = get_all_cities()
    header = ['city','AQI','PM2.5/1H','PM10/H','CO/H','NO2/H','O3/1H','O3/8H','SO2/H'] #指定列名
    with open('china_city_AQI.csv','w',encoding='utf-8',newline='') as f:
        writer = csv.writer(f)
        writer.writerow(header)
        for i,city in enumerate(city_list):   #enumerate科學計數法
            if (i+1)%10 ==0:
                print('已處理{}條記錄，共{}記錄'.format(i+1,len(city_list)))
            city_name = city[0]
            city_pinyin = city[1]
            city_aqi = get_city_aqi(city_pinyin)
            row= [city_name]+city_aqi
            writer.writerow(row)

if __name__ ==  '__main__':
    main()

Pandas庫：

• • 是一個結構化資料的工具集　　
  • 基礎為Numpy，提供了高效能的矩陣運算
  • 應用，資料探勘，資料分析
    • 學生成績分析、股票資料分析　　
  • 提供資料清洗功能　　
• Pandas的資料結構（Series）
  • 類似一維陣列的物件　　
  • 通過list構建Series
    • ser_obj = pd.Series(range(10))　　
    • 例：
  • 由資料和索引組成
    • 索引在左，資料在右
    • 索引是自動建立的　　
  • 獲取資料和索引
    • ser_obj.index，ser_obj.values　　
    • 
  • 預覽資料
    • ser_obj.head(n) #輸出資料前幾條資料　　
    • wer_obj.tail(n)  #資料資料後幾條資料　　
    • 例：
  • 通過索引獲取資料
    • ser_obj[idx]　　
  • 索引與資料的對應關係仍保持在陣列的運算的結果中國　　
  • 通過dict構建Series　　
  • name屬性
    • ser_obj.name, ser_obj.index.name　　
• DataFrame
  • 類似多維陣列、表格資料（如，Excel，R中的data.frame
  • 每列資料可以是不同型別，what about ndarray？　　
  • 索引包括列索引和行索引
    • 
  • 通過ndarray構建DataFrame　　
  • 通過dict構建DataFrame　　
  • 通過索引獲取列資料（Series型別）
    • df_obj[col_idx]或df_obj.col_idx　　
  • 增加列資料，類似dict新增key-value
    • df_obj[new_col_idx] = data　　
  • 刪除列
    • del df_obj[col_idx]
•  索引操作
  • DataFrame索引
    • 列索引
      
      • df_obj[ 'label' ]   #label為標籤名。。。
    • 不連續索引
      • df_obj[[ 'label1', 'label2' ]]  #中間的[]表示傳進去的的為列表

        import pandas as pd
        
        def main():
            aqi_data = pd.read_csv('china_city_AQI.csv')
            #print(aqi_data.head(5))
            #print(aqi_data['AQI'])
            print(aqi_data[['city','AQI']]) #中間的中括號為列表
        
        if __name__ ==  '__main__':
            main()

        View Code
• 排序
  • sort_index,索引排序
    • 對DataFrame操作時注意軸方向
  • 按值排序
    • sort_values(by = 'label')    #label為標籤名 AQI。。。
• 常用統計計算
  • sum，mean，max，min.....
  • axis=0按列統計，axis=1 按行統計
  • skipna排除缺失值，預設為True
  • idmax，idmin，cumsum
• 統計描述
  • describe產生多個統計資料
  • 常用統計計算和描述
    • count：非NA值得數量
    • describe：針對series或各DataFrame列計算彙總統計
    • min，max：計算最小值，最大值
    • argmin，argmax：計算能夠獲取到最小值和最大值的索引位置（整數）
    • idxmin，idxmax：計算能夠獲取到最小值和最大值的索引值
    • quantile：計算樣本的分數位（0到1）
    • sum：值得總和
    • mean：值得平均數
    • median：值的算術中位數（50%分位數）
    • mad：根據平均值計算平均絕對離差
    • var：樣本值的方差
    • std：樣本值的標準差

import pandas as pd

def main():
    aqi_data = pd.read_csv('china_city_AQI.csv')
    print('基本資訊：')
    print(aqi_data.info())
    print('資料預覽：')
    print(aqi_data.head())

    #基本統計
    print('AQI最大值：', aqi_data['AQI'].max())
    print('AQI最大值：', aqi_data['AQI'].min())
    print('AQI最大值：', aqi_data['AQI'].mean())

    #top10
    top10_cities= aqi_data.sort_values(by=['AQI']).head(10)
    print('空氣質量最好的10個城市：',top10_cities)
    #bottom10
    #bottom10_cities = aqi_data.sort_values(by=['AQI']).tail(10)
    bottom10_cities = aqi_data.sort_values(by=['AQI'],ascending= False).head(10)   #同理上述寫法，降序排列
    print('空氣質量最差的10個城市：', bottom10_cities)

    #儲存csv檔案
    top10_cities.to_csv('top10_aqi.csv',index = False)   #index為不需要序列號
    bottom10_cities.to_csv('top10_aqi.csv',index = False)

if __name__ ==  '__main__':
    main()

Pandas資料清洗

• 處理缺失資料
  • dropna()丟棄缺失資料
  • fillna()填充缺失資料
• 資料過濾
  • df[filter_condition]根據filter_condition對資料進行過濾

 1 import pandas as pd
 2 
 3 def main():
 4     aqi_data = pd.read_csv('china_city_AQI.csv')
 5     print('基本資訊：')
 6     print(aqi_data.info())
 7     print('資料預覽：')
 8     print(aqi_data.head())
 9 
10     #資料清洗，只保留AQI>0的資料
11     # filter_condition = aqi_data['AQI'] > 0
12     # clean_data = aqi_data[filter_condition]或者
13     clean_aqi_data = aqi_data[aqi_data['AQI'] > 0]
14 
15     #基本統計
16     print('AQI最大值：', aqi_data['AQI'].max())
17     print('AQI最大值：', aqi_data['AQI'].min())
18     print('AQI最大值：', aqi_data['AQI'].mean())
19 
20     #top10
21     top10_cities= clean_aqi_data.sort_values(by=['AQI']).head(10)
22     print('空氣質量最好的10個城市：',top10_cities)
23     #bottom10_cities = clean_aqi_data.sort_values(by=['AQI']).tail(10)或者
24     bottom10_cities = clean_aqi_data.sort_values(by=['AQI'],ascending= False).head(10)   #同理上述寫法，降序排列
25     print('空氣質量最差的10個城市：', bottom10_cities)
26 
27 if __name__ ==  '__main__':
28     main()

--snip--

    #資料清洗，只保留AQI>0的資料
    # filter_condition = aqi_data['AQI'] > 0
    # clean_data = aqi_data[filter_condition]或者
    clean_aqi_data = aqi_data[aqi_data['AQI'] > 0]

--snip--

Pandas資料視覺化

• pandas提供了內建的繪圖功能（基於matplotlib）
• plot(kind，x，y，title，figsize)    #kind可以是’line’, ‘bar’, ‘barh’, ‘kde’
  • x，y橫縱座標對應的資料列
  • title：影象名
  • figsize：影象尺寸
  • 參照：https://blog.csdn.net/hustqb/article/details/54410670
• 儲存圖片：plt.savefig()
• 更多例子：http://pandas.pydata.org/pandas-docs/stable/visualization.html

import pandas as pd

def main():
    aqi_data = pd.read_csv('china_city_AQI.csv')
    print('基本資訊：')
    print(aqi_data.info())
    print('資料預覽：')
    print(aqi_data.head())

    #基本統計
    print('AQI最大值：', aqi_data['AQI'].max())

    #top10
    top10_cities= aqi_data.sort_values(by=['AQI']).head(10)
    print('空氣質量最好的10個城市：',top10_cities)
    #bottom10
    #bottom10_cities = aqi_data.sort_values(by=['AQI']).tail(10)
    bottom10_cities = aqi_data.sort_values(by=['AQI'],ascending= False).head(10)   #同理上述寫法，降序排列
    print('空氣質量最差的10個城市：', bottom10_cities)

    #儲存csv檔案
    top10_cities.to_csv('top10_aqi.csv',index = False)   #index為不需要序列號
    bottom10_cities.to_csv('bottom10_aqi.csv',index = False)

if __name__ ==  '__main__':
    main()