> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# bar()
export const GitHubLink = ({url}) =>
Source GitHub
;
### fonction `bar`
```python theme={null}
bar(
table: 'wandb.Table',
label: 'str',
value: 'str',
title: 'str' = '',
split_table: 'bool' = False
) → CustomChart
```
Crée un graphique à barres à partir d’un `wandb.Table` de données.
**Arguments :**
* `table`: Un tableau contenant les données du graphique à barres.
* `label`: Le nom de la colonne à utiliser pour les libellés de chaque barre.
* `value`: Le nom de la colonne à utiliser pour les valeurs de chaque barre.
* `title`: Le titre du graphique à barres.
* `split_table`: Indique si le tableau doit être placé dans une section distincte de l’UI W\&B. Si `True`, le tableau s’affiche dans une section nommée "Custom Chart Tables". La valeur par défaut est `False`.
**Retourne :**
* `CustomChart`: Un objet de graphique personnalisé qui peut être enregistré dans W\&B. Pour enregistrer le graphique, transmettez-le à `wandb.log()`.
**Exemple :**
```python theme={null}
import random
import wandb
# Générer des données aléatoires pour le tableau
data = [
["car", random.uniform(0, 1)],
["bus", random.uniform(0, 1)],
["road", random.uniform(0, 1)],
["person", random.uniform(0, 1)],
]
# Créer un tableau avec les données
table = wandb.Table(data=data, columns=["class", "accuracy"])
# Initialiser un run W&B et enregistrer le graphique en barres
with wandb.init(project="bar_chart") as run:
# Créer un graphique en barres à partir du tableau
bar_plot = wandb.plot.bar(
table=table,
label="class",
value="accuracy",
title="Object Classification Accuracy",
)
# Enregistrer le graphique en barres dans W&B
run.log({"bar_plot": bar_plot})
```