在Julia中使用元编程技术实现GR后端多个子图绘制

遇到的问题

最近在试图使用Julia语言来完成*吴恩达《机器学习》*的课后习题，进行到exercise3时，想要仿照这里对数据实现以下的可视化效果：

对于每一个子图，只需使用Plots.heatmap()函数来绘制即可。但怎么才能绘制多个子图呢？
如果使用pyplot作为Plots的后端（backend），则相对比较容易，最明显的方法是在循环中逐一使用subplot()函数即可，但我无法成功安装PyPlot包，其依赖包ORCA一build就出错！我只能用成功编译了的GR包作为后端！但翻了翻Plots的官方文档中有关GR的部分，我却没找到能便捷绘制许多个子图的命令（也可能是我没有细致查阅吧）！如果我要实现一个5*5的子图集，一个比较繁琐的方式是：

p1=heatmap(...)
p2=heatmap(...)
...
p25=heatmap(...)
plot(p1,p2,...,p25,layout=(5,5))

这是要写到猴年马月去了！而且蠢到家了！
但是上述语句有一个特点：相似性很高，所以可以考虑使用元编程+循环的形式来精简代码。

知识点：Julia中的元编程

这里不作过多的介绍，我只使用其中两个简单的函数：eval()和Meta.parse()。

• eval(expr)：Evaluate an expression in the global scope of the containing module.
• Meta.parse()：Parse the expression string and return an expression (which could later be passed to eval for execution).

简单的用例如下：

Meta.parse("x=3")  # 返回一个Expression：`:(x = 3)`，注意`:`是Symbol类型的标识符
eval(Meta.parse("x=3"))
println(x)  # 返回3，说明上式执行了x=3的语句

下面假设我要生成100个变量，分别命名为x1,x2,...,x100，且想让它们分别等于1,2,...,100，就可以这样写：

for i in 1:100
	eval(Meta.parse("x$i=$i"))
end
println(x49)  # 返回49

仿照此例，最终的解决方案呼之欲出！

最终的解决方案

涉及了Julia的元编程+循环+字符串拼接：

# 准备阶段：数据读入
using MAT
dict=matread("ex3data1.mat")
size(dict["X"]),size(dict["y"])  # ((5000, 400), (5000, 1))

# 数据可视化
using Plots;gr()
function show_one_img()
    i=rand(1:size(dict["X"],1),1)
    s=dict["X"][i,:]
    s=reverse(reshape(s,(20,20)),dims=1)  # 每个样本都是20*20的灰度图
    return heatmap(s,colorbar=:none)
end
show_one_img()  # 重复几次看看
str_ps=""
for i in 1:25
    eval(Meta.parse("p$i=show_one_img()"))
    global str_ps *= "p$i,"  # 注意：julia的字符串拼接符是*，而非+
end
println(str_ps)  # p1,p2,p3,p4,...,p22,p23,p24,p25,
eval(Meta.parse("plot(" * str_ps * "layout=(5,5))"))

最终的成品图如下：

以上。

最后的吐槽

求求了，哪家机构搭建个Julia包的国内镜像吧！