柱状图通过矩形条的长度直观呈现不同类别的数值大小。当您需要对比多个类别的数据总量、平均值或频率分布时，它是最理想的选择。在 Lattice 中，您可以快速完成分类汇总、分组并列对比或展示数据波动，从而清晰地识别出数据中的主要特征与趋势。
直观的分类对比
柱状图通过长度的变化将抽象的数字转化为视觉上的规模差异。无论您的数据类别是地理区域、产品名称还是时间阶段，只需指定分类列，即可快速生成对比视图。
在 Lattice 中，您可以灵活切换聚合方式。若仅关注每个类别的出现频率，系统会自动统计数量；若关注业务指标（如销售额或转化率），您可以指定数值列并选择求和或计算平均值。
多维度的分组与细分
除了简单的单维度对比，柱状图还支持强大的分组功能。通过指定分组列，您可以将数据按属性进行并列展示，从而对比不同子群体在相同类别下的表现差异。
此外，利用小倍数（facet）功能，您可以将复杂数据集拆分为多个独立的子图。这对于在大规模业务场景中，希望同时查看多个维度（如不同地区、不同部门）下的柱状分布非常有效。
排序与重点突出
当类别数量较多时，杂乱的排序会干扰判断。您可以根据类别名称、数值从高到低或从低到高对柱状图进行自动排序。对于需要聚焦核心业务的场景，还可以限制显示前 N 个类别，帮助您迅速锁定数据中的重心。
1 · Intent → method
An LLM picks plot_bar from a fixed catalog.
2 · Method → numbers
Deterministic Python engine runs the math. Same input → same output.
3 · Numbers → plain language
A second LLM translates the result into your domain’s vocabulary.
如果我的数据中包含缺失值，柱状图会如何处理？
柱状图会忽略掉类别或数值列中存在缺失值的记录。如果某类别的所有观测值都缺失，该类别将不会出现在图中，系统也会给出相应的提示。
如何通过柱状图展示数据的误差范围？
当您选择按平均值（mean）进行聚合时，可以开启误差条功能。您可以选择标准差（sd）、标准误（se）或 95% 置信区间（ci95）来直观呈现数据的稳定性。
Tool 输入字段
Schema for plot_bar not exported yet (run pnpm export:registry).