现在大部分编程都是写的python代码，但是python的运行速度很让人诟病。我现在有时候的一个做法是用C++来写一个模块，然后用python调用。接口交互用 pybind11 来进行。有时候一个问题是比如我用C++来对数据进行了一些操作，进行了拟合，或者对数据的加工看起来不对头。如果想要通过图像展示这些，我需要在代码里写一个接口成分，还要写一个python脚本来绘图，实在太麻烦。这种情况最好的解决办法是直接在C++的代码里可以直接绘图，又一个类似matplotlib的工具可以直接调用，简单绘图。查找发现真的有这类工具，我的意思不是 pgplot 等比较老的工具，而是符合现在C++语法的比较新的绘图库。
github 上找到两个这类工具，一个名字叫做 matplotlib-cpp,其实就是通过 pybind11 套了个壳，在C++里直接执行 python 代码，调用 matplotlib。这样做当然是可以的，但是我看相关的代码还是有点复杂，使用起来不是很方便。另一个工具是 matplotplusplus (matplot++)，正经用C++实现的一个库，可以在里边用简单的语句轻易绘图。
这个工具在各个linux系统中都可以简单安装，github页面上有提供安装说明。我的系统是 manjaro，但是我发现特别扯的是 yay 安装提供的竟然是静态库！一点点的绘图代码编译出来的可执行文件竟然要将近10M. github上自己动手编译安装的默认教程也是编译成静态库。这个太扯了，作者们是认为简单绘图生成一个10M的可执行文件很有意思么？调用这个库的大部分人应该就是在自己机器上工作，进行简单的数据可视化，不需要把一个生成的可执行文件传递给别的用户直接执行！所以实际上安装的话，我们最好直接从github上下载这个库，然后自己手动编译安装，在编译的时候加上生成动态链接库的选项，具体按照以下命令:
git clone https://github.com/alandefreitas/matplotplusplus.git
cd matplotplusplus
mkdir build
cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-O2" -DBUILD_EXAMPLES=OFF -DBUILD_TESTS=OFF -DBUILD_SHARED_LIBS=ON
sudo cmake --build . --parallel 2 --config Release
sudo cmake --install .手动编译安装的库存在 /usr/local/lib 目录下，而不是 /usr/lib 目录。一个可能的情况是 /usr/local/lib 可能没在共享库的默认搜索路径，这样执行代码的时候就会报找不到共享库的错误。解决办法很简单，要么把 /usr/local/lib 添加到 /etc/ld.so.conf 文件里，然后用ldconfig命令来进行刷新。要么把路径加到 环境变量 LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
这样就正常安装好 matplot 库了。github的项目目录里有很多的 examples 可供参考。作者设计用 cmake 来进行构建。我没学过 cmake, 构建总是因为依赖问题失败。安装成共享库后不需要这么复杂，下边是一个示例。
代码：
#include <cmath>
#include <matplot/matplot.h>
int main() {
using namespace matplot;
std::vector<double> x = iota(0, pi / 20, 2 * pi);
std::vector<double> y = transform(x, [](auto x) { return sin(x); });
plot(x, y);
text(pi, 0, "← sin(π)");
show();
return 0;
}
使用以下命令来进行编译
g++ -std=c++17 -lmatplot -O2 demo.cpp -o demoVisits: 164