matplotlib.pyplot用c++画图

共二个章节

c++调用matplotlib（一）

芒果 2020/05/12 c++，工具 评论(2) 浏览2356623566 点赞(24) 字数92492

摘要

介绍了C++在windows平台上如何调用matplotlib绘制图表，以及vs如何调用Python的工程属性配置、matplotlib-cpp项目几个示例的编译和使用。

matplotlib-cpp项目

一说起开源的绘图程序库就会想到基于Python的matplotlib库，使用简单且绘图功能强大，和matlab一起成为了使用最广泛的绘图库。但是matplotlib时基于Python的，matlab不仅要付费且也是基于自家的脚本运行。最近使用C++写算法时时长要做可视化的分析，之前都是将数据导出来了用Python再可视化，但感觉这样有点麻烦，就网上搜了搜看看C++有没有什么好用的图表库。一番查找下来就发现两个，一是gnu家的gnuplot，二是matplotlib-cpp。一开始看到matplot我有点惊喜，以为matplotlib还有C++版本，后来仔细一看是基于C++调用Python的方法将matplotlib封装了一层。但是也无妨，总比我之前自己尝试用OpenCV的imshow写的辣鸡图表绘制好多了。

---

matplotlib-cpp项目地址在:GitHub - lava/matplotlib-cpp: Extremely simple yet powerful header-only C++ plotting library built on the popular matplotlib,仓库内容很简单，核心的东西就是一个头文件matplotlibcpp.h， 这个头文件封装了大量了的C++调用matplotlib的api，使用的时候只要将matplotlibcpp.h复制到自己的项目中include就可以了。至于怎么使用，作者也给了比较详细的教程和资料，Readme和examples都有详细的使用方法，contrib里面则是介绍windows平台编译example的方法。

编译example

使用CMake编译matplotlib-cpp是比较方便的，作者也非常贴心地给出了CMakeLists.txt,也非常简单假如要编译自己地matplotlib-cpp项目，CMakeLists.txt只需要以下几行配置就可以了

find_package(Python2 COMPONENTS Development NumPy)
target_include_directories(myproject PRIVATE ${Python2_INCLUDE_DIRS} ${Python2_NumPy_INCLUDE_DIRS})
target_link_libraries(myproject Python2::Python Python2::NumPy)

但以上为linux系统上编译的方法，假如在windows平台编译，则需要复杂一点点，需要设置Python的目录，可以直接参考作者给出的：

cmake_minimum_required(VERSION 3.7)
project (MatplotlibCPP_Test)

set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

include_directories(${PYTHONHOME}/include)
include_directories(${PYTHONHOME}/Lib/site-packages/numpy/core/include)
link_directories(${PYTHONHOME}/libs)

add_definitions(-DMATPLOTLIBCPP_PYTHON_HEADER=Python.h)

# message(STATUS "*** dump start cmake variables ***")
# get_cmake_property(_variableNames VARIABLES)
# foreach(_variableName ${_variableNames})
#         message(STATUS "${_variableName}=${${_variableName}}")
# endforeach()
# message(STATUS "*** dump end ***")

add_executable(minimal ${CMAKE_CURRENT_SOURCE_DIR}/../examples/minimal.cpp)
add_executable(basic ${CMAKE_CURRENT_SOURCE_DIR}/../examples/basic.cpp)
add_executable(modern ${CMAKE_CURRENT_SOURCE_DIR}/../examples/modern.cpp)
add_executable(animation ${CMAKE_CURRENT_SOURCE_DIR}/../examples/animation.cpp)
add_executable(nonblock ${CMAKE_CURRENT_SOURCE_DIR}/../examples/nonblock.cpp)
add_executable(xkcd ${CMAKE_CURRENT_SOURCE_DIR}/../examples/xkcd.cpp)
add_executable(bar ${CMAKE_CURRENT_SOURCE_DIR}/../examples/bar.cpp)

下载matplotlib-cpp项目，有了CMakeLists.txt我们就可以很方便地在windows上编译作者给出的example，在编译之前先确保满足以下条件：

• 已安装CMake
• 已安装VS（需要支持c++17，vs2017以上可以支持）
• 已安装Python并且安装时添加环境变量path最好从Python官网下载安装，芒果使用anaconda安装的编译不成功，应该和Python的虚拟环境有关最好从���ℎ��官网下载安装，芒果使用��������安装的编译不成功，应该和���ℎ��的虚拟环境有关
• Python已安装matplotlib、numpy包

安装步骤：

（1）下载matplotlib-cpp

仓库地址：https://github.com/lava/matplotlib-cpp

（2）设置Python环境变量

编辑matplotlib-cpp/contrib/WinBuild.cmd文件

将第7行

if NOT DEFINED PYTHONHOME   set PYTHONHOME=C:/Users/%username%/Anaconda3

的PYTHONHOME路径修改为系统中Python的安装路径，此路径在环境变量可以查看，环境变量中的用户变量path里面。

（3）修改编译c++版本

作者提供的CMakeLists.txt中设置的c++版本为c++11的，在最新的代码中作者采用了新的c++语法特性，采用c++11已经无法编译通过。修改matplotlib-cpp/contrib/CMakeLists.txt：

将第4行：

set(CMAKE_CXX_STANDARD 11)

修改为：

set(CMAKE_CXX_STANDARD 17)

（4）

> cd contrib
> WinBuild.cmd

编译过程若发生报错

matplotlib-cpp-master\matplotlibcpp.h(304): error C2766: explicit specialization; 'matplotli
bcpp::detail::select_npy_type<int64_t>' has already been defined [C:\Users\haomi\Downloads\matplotlib-cpp-master\exampl
es\build\animation.vcxproj]
matplotlib-cpp-master\matplotlibcpp.h(306): error C2766: explicit specialization; 'matplotli
bcpp::detail::select_npy_type<uint64_t>' has already been defined [C:\Users\haomi\Downloads\matplotlib-cpp-master\examp
les\build\animation.vcxproj]

报错提示这两行已经被定义过了，打开matplotlib.h，将其注释掉。

static_assert(sizeof(long long) == 8);
//template <> struct select_npy_type<long long> { const static NPY_TYPES type = NPY_INT64; };
static_assert(sizeof(unsigned long long) == 8);
// <> struct select_npy_type<unsigned long long> { const static NPY_TYPES type = NPY_UINT64; };

重新编译即可。

使用vs直接编译matplotlib

使用vs直接编译的方法也很简单，关键就是属性表的配置部分需要设好，最简单的方式自然是直接照抄CMake编译生成的vs解决方案的，不过里面设置比较多，简答使用的话只需要摘抄关键的几个属性

• 项目必须是Release的，C++调用Python不支持Debug模式
• 附加包含目录（AdditionalIncludeDirectories)
• 预处理器定义：PreprocessorDefinitions�����������������������
• 语言C++标准：设置为C++17
• 附加库目录：AdditionalLibraryDirectories����������������������������
• 链接库依赖：设置位NO

图 1：附加包含目录
图 2：预处理器定义
图 3：语言标准
图 4：附加库目录

使用matplotlib-cpp

关于如何使用matplotlib-cpp作者也给了很多的例子，这里我就把几个例子搬运过来。

Minimal example:

#include "matplotlibcpp.h"
namespace plt = matplotlibcpp;
int main() {
    plt::plot({1,3,2,4});
    plt::show();
}

图 5：minimal

Basic example:

#define _USE_MATH_DEFINES
#include <iostream>
#include <cmath>
#include "../matplotlibcpp.h"

namespace plt = matplotlibcpp;

int main() 
{
    // Prepare data.
    int n = 5000;
    std::vector<double> x(n), y(n), z(n), w(n,2);
    for(int i=0; i<n; ++i) {
        x.at(i) = i*i;
        y.at(i) = sin(2*M_PI*i/360.0);
        z.at(i) = log(i);
    }
    
    // Set the size of output image = 1200x780 pixels
    plt::figure_size(1200, 780);

    // Plot line from given x and y data. Color is selected automatically.
    plt::plot(x, y);

    // Plot a red dashed line from given x and y data.
    plt::plot(x, w,"r--");

    // Plot a line whose name will show up as "log(x)" in the legend.
    plt::named_plot("log(x)", x, z);

    // Set x-axis to interval [0,1000000]
    plt::xlim(0, 1000*1000);

    // Add graph title
    plt::title("Sample figure");

    // Enable legend.
    plt::legend();

    // save figure
    const char* filename = "./basic.png";
    std::cout << "Saving result to " << filename << std::endl;;
    plt::save(filename);
}

图 6：basic

Modern example：

#define _USE_MATH_DEFINES
#include <cmath>
#include "../matplotlibcpp.h"

using namespace std;
namespace plt = matplotlibcpp;

int main() 
{
    // plot(y) - the x-coordinates are implicitly set to [0,1,...,n)
    //plt::plot({1,2,3,4}); 
    
    // Prepare data for parametric plot.
    int n = 5000; // number of data points
    vector<double> x(n),y(n); 
    for(int i=0; i<n; ++i) {
        double t = 2*M_PI*i/n;
        x.at(i) = 16*sin(t)*sin(t)*sin(t);
        y.at(i) = 13*cos(t) - 5*cos(2*t) - 2*cos(3*t) - cos(4*t);
    }

    // plot() takes an arbitrary number of (x,y,format)-triples. 
    // x must be iterable (that is, anything providing begin(x) and end(x)),
    // y must either be callable (providing operator() const) or iterable. 
    plt::plot(x, y, "r-", x, [](double d) { return 12.5+abs(sin(d)); }, "k-");


    // show plots
    plt::show();
}

图 7：modern

Xkcd example:

#define _USE_MATH_DEFINES
#include <cmath>
#include "../matplotlibcpp.h"
#include <vector>

namespace plt = matplotlibcpp;

int main() {
    std::vector<double> t(1000);
    std::vector<double> x(t.size());

    for(size_t i = 0; i < t.size(); i++) {
        t[i] = i / 100.0;
        x[i] = sin(2.0 * M_PI * 1.0 * t[i]);
    }

    plt::xkcd();
    plt::plot(t, x);
    plt::title("AN ORDINARY SIN WAVE");
    plt::show();
}

图 8：xkcd

Bar example:

#define _USE_MATH_DEFINES

#include <iostream>
#include <string>
#include "../matplotlibcpp.h"
namespace plt = matplotlibcpp;

int main(int argc, char **argv) {
    std::vector<int> test_data;
    for (int i = 0; i < 20; i++) {
        test_data.push_back(i);
    }

    plt::bar(test_data);
    plt::show();

    return (0);
}

图 9：bar

Aniation example:

#define _USE_MATH_DEFINES
#include <cmath>
#include "../matplotlibcpp.h"

namespace plt = matplotlibcpp;

int main()
{
    int n = 1000;
    std::vector<double> x, y, z;

    for(int i=0; i<n; i++) {
        x.push_back(i*i);
        y.push_back(sin(2*M_PI*i/360.0));
        z.push_back(log(i));

        if (i % 10 == 0) {
            // Clear previous plot
            plt::clf();
            // Plot line from given x and y data. Color is selected automatically.
            plt::plot(x, y);
            // Plot a line whose name will show up as "log(x)" in the legend.
            plt::named_plot("log(x)", x, z);

            // Set x-axis to interval [0,1000000]
            plt::xlim(0, n*n);

            // Add graph title
            plt::title("Sample figure");
            // Enable legend.
            plt::legend();
            // Display plot continuously
            plt::pause(0.01);
        }
    }
}

图 10：animation

Line3d example:

#include "../matplotlibcpp.h"

#include <cmath>

namespace plt = matplotlibcpp;

int main()
{
    std::vector<double> x, y, z;
    double theta, r;
    double z_inc = 4.0/99.0; double theta_inc = (8.0 * M_PI)/99.0;
    
    for (double i = 0; i < 100; i += 1) {
        theta = -4.0 * M_PI + theta_inc*i;
        z.push_back(-2.0 + z_inc*i);
        r = z[i]*z[i] + 1;
        x.push_back(r * sin(theta));
        y.push_back(r * cos(theta));
    }

    std::map<std::string, std::string> keywords;
    keywords.insert(std::pair<std::string, std::string>("label", "parametric curve") );

    plt::plot3(x, y, z, keywords);
    plt::xlabel("x label");
    plt::ylabel("y label");
    plt::set_zlabel("z label"); // set_zlabel rather than just zlabel, in accordance with the Axes3D method
    plt::legend();
    plt::show();
}

图 11：lines3d

Fill example:

#define _USE_MATH_DEFINES
#include "../matplotlibcpp.h"
#include <cmath>

using namespace std;
namespace plt = matplotlibcpp;

// Example fill plot taken from:
// https://matplotlib.org/gallery/misc/fill_spiral.html
int main() {
    // Prepare data.
    vector<double> theta;
    for (double d = 0; d < 8 * M_PI; d += 0.1)
        theta.push_back(d);

    const int a = 1;
    const double b = 0.2;

    for (double dt = 0; dt < 2 * M_PI; dt += M_PI/2.0) {
        vector<double> x1, y1, x2, y2;
        for (double th : theta) {
            x1.push_back( a*cos(th + dt) * exp(b*th) );
            y1.push_back( a*sin(th + dt) * exp(b*th) );

            x2.push_back( a*cos(th + dt + M_PI/4.0) * exp(b*th) );
            y2.push_back( a*sin(th + dt + M_PI/4.0) * exp(b*th) );
        }

        x1.insert(x1.end(), x2.rbegin(), x2.rend());
        y1.insert(y1.end(), y2.rbegin(), y2.rend());

        plt::fill(x1, y1, {});
    }
    plt::show();
}

图 12：fill

Fill-inbetween example:

#define _USE_MATH_DEFINES
#include "../matplotlibcpp.h"
#include <cmath>
#include <iostream>

using namespace std;
namespace plt = matplotlibcpp;

int main() {
  // Prepare data.
  int n = 5000;
  std::vector<double> x(n), y(n), z(n), w(n, 2);
  for (int i = 0; i < n; ++i) {
    x.at(i) = i * i;
    y.at(i) = sin(2 * M_PI * i / 360.0);
    z.at(i) = log(i);
  }

  // Prepare keywords to pass to PolyCollection. See
  // https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.fill_between.html
  std::map<string, string> keywords;
  keywords["alpha"] = "0.4";
  keywords["color"] = "grey";
  keywords["hatch"] = "-";

  plt::fill_between(x, y, z, keywords);
  plt::show();
}

图 13：fill_between

Surface example:

#include "../matplotlibcpp.h"

#include <cmath>

namespace plt = matplotlibcpp;

int main()
{
    std::vector<std::vector<double>> x, y, z;
    for (double i = -5; i <= 5;  i += 0.25) {
        std::vector<double> x_row, y_row, z_row;
        for (double j = -5; j <= 5; j += 0.25) {
            x_row.push_back(i);
            y_row.push_back(j);
            z_row.push_back(::std::sin(::std::hypot(i, j)));
        }
        x.push_back(x_row);
        y.push_back(y_row);
        z.push_back(z_row);
    }

    plt::plot_surface(x, y, z);
    plt::show();
}

图 14：surface

系列文章

c++调用matplotlib二二

Reference

【1】matplotlib-cpp

c++调用matplotlib(二）

芒果 2020/09/22 c++，工具 评论(0) 浏览58465846 点赞(14) 字数962962

在上一篇c++调用matplotlib文章里介绍了基于开源项目matplotlibcpp在windows平台上c++对matplotlib库进行调用，虽然成功地调用到了python绘图包matplotlib进行绘图，但仍有几个问题没解决：

• 无法在debug模式下调用
• 每次使用都需要手动配置vs项目属性
• 没安装numpy或者numpy版本不对应时出现无法正常调用的情况

针对以上问题，本篇就一一进行解决，最后实现在windows平台vsc++开发环境下比较完美地调用matplotlib。

• debug模式下调用

出现这个问题的原因不在于调用方法有问题或者配置方法不对，是因为我们安装的python与matplotlib包是release版本的，所以在debug模式下无法正常调用。解决办法就是程序编译链接的时候，无论debug模式还是release模式，都按照release模式来链接python的相关文件。具体处理很简单，只需要在matplotlibcpp.h 开头添加以下宏定义

#pragma once

// Python headers must be included before any system headers, since
// they define _POSIX_C_SOURCE

#ifdef _DEBUG
#undef _DEBUG
#include <Python.h>

#define _DEBUG
#else
#include <Python.h>
#endif

其中原理为，在debug模式下，ide会自动定义_DEBUG宏，我们将其取消掉就可以可以实现debug模式也正常按照release模式编译和链接了。

• windows平台下消除numpy的影响

这个也非常简单，项目作者在代码里面其实也通过宏来区分了，我们只需要文件开头添加WITHOUT_NUMPY宏定义即可

#define WITHOUT_NUMPY//添加此宏定义来明确告诉后续代码不使用numpy

#ifndef WITHOUT_NUMPY
#  define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION
#  include <numpy/arrayobject.h>

#  ifdef WITH_OPENCV
#    include <opencv2/opencv.hpp>
#  endif // WITH_OPENCV

• vs链接配置问题

习惯使用vs开发的同学在配置第三方库时都习惯采用配置vs属性表来引入第三方库，vs很强大开发效率也高。但一个项目配置还好，但如果频繁新建项目（比如在学习的时候）每次都要重新配置就比较麻烦，而且debug与release模式还需要分开配置，非常麻烦。对于这个问题当然也有一些改善的方法，比如芒果之前常用的新建一个属性表保存下来，后续直接导入使用，这样是方便了不少，但还是无法解决debug与release需要分别配置的问题，而且属性表是与保存的是库文件的绝对路径，当库文件一升级或者更换安装目录属性表就失效了。

这个问题使用cmake可以比较好的解决，把自动搜索库文件的工作交给cmake，然后让其自动生成vs工程。cmake是一个跨平台的构建工具，很多著名的跨平台开源库（如OpenCV)就是使用cmake构建的，详细了解可以百度或Google搜一下，这里介绍简单的例子。

假如你新建一个工程，工程源文件为main.cpp,需要调用matplotlib,那么你先新建main.cpp,

//main.cpp
#include "matplotlibcpp.h"

namespace plt = matplotlibcpp;

int main() 
{
    plt::plot({1,3,2,4});
    plt::show();
    return 0;
}

文件include了matplotlibcpp头文件，所以你需要将matpoltlibcpp.h文件拷贝至与main.cpp同一目录下

接着新建一个CMakeLists.txt文件用于cmake构建处理。内容如下

cmake_minimum_required(VERSION 3.7)

# 项目名称
project (cpp_call_matplotlib)

# 设置c++编译器语言标准版本11以上
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 添加python路径,这里从环境变量里面搜索，加入你没有设置PYTHONHOME系统环境变量，这里需要填入python安装目录的绝对路径
include_directories($ENV{PYTHONHOME}/include)

# numpy可以不需要
include_directories($ENV{PYTHONHOME}/Lib/site-packages/numpy/core/include)
link_directories($ENV{PYTHONHOME}/libs)

# 添加头文件定义
add_definitions(-DMATPLOTLIBCPP_PYTHON_HEADER=Python.h)

# 可执行文件
add_executable(${PROJECT_NAME} main.cpp)

添加PYTHONHOME环境变量方法，编辑系统环境变量，新建PYTHONHOME，值填写python安装目录，如下图

图 1：PYTHONHOME

如果你不想设置，那么就再上面的include_directories语句里面填写pyhon安装目录的绝对路径。

最后编译生成vs工程，现在我们的项目目录下是这样子的

ls
CMakeLists.txt
main.cpp
matplotlibcpp.h

新建一个build目录存放vs工程，

mkdir build
# cd进去构建
cd build/
cmake -G "Visual Studio 15 2017" ..
# cmake -G "Visual Studio 15 2017 Win64" .. #安装的64位python时生成64位vs工程

然后进去build目录就可以看到vs工程，打开就可以直接编译使用了。在debug模式下运行结果：

图 2：figure1