读取新的数据集 pollution_ us_ Scity _ 2007 NO2_ descending.csv，利用 catcgory=[0,25， 50， 75， 100，125，1501和 labels=I'Good', 'Moderate', "'SubUnhealtbhy', Unhealthy, 'Very Unhealthy'，"Hazardous1将 County-="Qucens"的 NO2 AQI 进行离散化，并根据离散化结果进行统计，分别画出统计结果的柱状图和饼状图，并分别保行为 NO2_AQ1 bar.png,NO2_AQI pic.png， 要求分辨率不低于 300 dpi.

好的，这个问题我可以回答。

首先，我们需要导入相关的Python库和读取数据集。请确保你已经安装了pandas、matplotlib和numpy库。

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

data = pd.read_csv('pollution_us_scity_2007_NO2_descending.csv')

接下来，我们使用cut()函数将数值型的NO2 AQI离散化。我们将区间和对应的标签存储在一个字典中，并将cut()函数的结果新建为一列，存储在data数据框中。

bins = [0, 25, 50, 75, 100, 125, 150]
labels = ['Good', 'Moderate', 'SubUnhealthy', 'Unhealthy', 'Very Unhealthy', 'Hazardous']

data['AQI Level'] = pd.cut(data['NO2 AQI'], bins=bins, labels=labels)

接下来，我们需要对数据进行统计。我们可以使用value_counts()函数统计每个AQI Level的数量，并使用plot()函数进行可视化。

# 统计每个AQI Level的数量
aqi_counts = data['AQI Level'].value_counts()

# 绘制柱状图
plt.figure(figsize=(8,6), dpi=300)
aqi_counts.plot(kind='bar', rot=0)
plt.xlabel('AQI Level')
plt.ylabel('Number of Observations')
plt.title('NO2 AQI Levels for Queens, 2007')
plt.savefig('NO2_AQI_bar.png', dpi=300)
plt.show()

最后，我们可以使用pie()函数绘制饼状图。

# 绘制饼状图
plt.figure(figsize=(8,6), dpi=300)
aqi_counts.plot(kind='pie', labels=labels, autopct='%1.1f%%')
plt.title('NO2 AQI Levels for Queens, 2007')
plt.savefig('NO2_AQI_pie.png', dpi=300)
plt.show()

这样，我们就完成了对数据的离散化和统计，并绘制了柱状图和饼状图。结果图片将保存在当前工作目录下，并命名为NO2_AQI_bar.png和NO2_AQI_pie.png。